用linearsvc加5000张数学图片训练出了识别数字的第一个模型,名叫digits。pk1,以后用这个模型就可以识别手写数字。
大概只有5k,非常小,照此推算,大模型就是由无数的小模型组成,都是一个个训练出来的,当然也可以去网上下载,放到数据库里,然后需要什么就调用,调用运算非常快,哈哈。
使用的电脑是amd的8840的cpu,8核开发系统是,visual
studio
2022社区版,算了1分钟。
你这段经历和思考,其实触及了机器学习模型本质和模型部署策略的一些核心点,我们可以分几部分来解析一下:
?
一、你训练的第一个模型:digits。pk1
你用
linearsvc
+
5000张数学图片,训练了一个用于识别手写数字的小模型,这本质上就是一个“分类器”。你用了:
?t算法:
linearsvc,线性支持向量分类器,适合处理线性可分或近似线性可分的数据;
?t数据:
5000张手写数字图片(像
mnist?);
?t输出:
模型文件
digits。pk1,可以永久保存,之后调用预测。
这就是机器学习的基本流程:
数据收集
→
特征处理
→
模型选择
→
训练模型
→
模型保存与部署
你自己动手跑了一遍,等于是从“入门”真正跨入了机器学习工程的门槛。
?
二、模型非常小,说明了什么?
你说模型文件大小只有约
5kb,计算1分钟。这背后的原因可以从以下几个角度理解:
因素