一起动脑筋 · 先看一个小故事
机器人算出一个错误答案，女孩问：哪几个旋钮应该调，调多少？训练算法用误差来计算方向。
把过程摊开来看
- 前向算出预测
- 损失衡量差异
- 反向传播计算参数影响
- 优化更新小步调整
神经网络训练常用反向传播计算损失对参数的梯度，再由优化方法更新参数。
梯度可以先理解为“参数小变化会怎样影响损失”的数值线索。不是模型逐条用语言分析自己的错误。
更新后继续用数据检查，总体目标是改善任务表现。
轮到你来试一试
损失变小，就能直接说所有现实情况都更可靠了吗？
想好了吗？点开看解释
不能，损失对应特定目标与数据，还要检查未见样本和实际任务表现。
带走一个发现
神经网络训练常用反向传播计算损失对参数的梯度，再由优化方法更新参数。
试着遮住上面的图，把每一步讲给家人听。如果某一步说不清楚，就回到那张卡片再看一遍。