什么是机器学习模型？

ML 模型由数据助力，是 AI 的数学引擎，还是能够比人类更快地找到模式并进行预测的算法的表达。

买车时，首先要考虑的问题是选什么车型 – 本田思域通勤成本低；雪佛兰科尔维特外形漂亮、速度快；福特 F-150 能够承受重载。

AI 是我们这个时代最具变革性的技术，要开启 AI 之旅，您需要机器学习模型作为引擎。

机器学习模型是一种算法的表达，它通过梳理海量数据来查找模式或进行预测。机器学习 (ML) 模型由数据助力，是人工智能的数学引擎。

例如，适用于计算机视觉的 ML 模型能够在实时视频中识别汽车和行人。适用于自然语言处理的 ML 模型则能够翻译单词和句子。

究其原理，机器学习模型是对象及其相互关系的数学表示。这些对象可以是任何东西，可以是任何社交网络帖子上的“赞”，也可以使是实验室实验中的分子。

由于对能成为 ML 模型特征的对象没有约束，因此对 AI 的使用也没有任何限制。可以进行无限量组合。

数据科学家已经创建了能够用于不同用途的全系列机器学习模型，同时还在进行更多机器模型的研发。

例如，线性模型使用代数来预测财务预测中变量间的关系。图形模型用图表表示概率，例如消费者是否会选择购买某种产品。借用分支比喻，某些 ML 模型采用决策树或决策树组（称为随机森林）的形式。

在 2012 年的 AI 大爆炸中，研究人员发现深度学习是在查找模式和进行预测方面最有成效的技术之一。其灵感来源于脑细胞的模式和功能，因此使用了一种名为神经网络的机器学习模型。

深度学习因其机器学习模型的结构而得名。其将特征和关系层层叠加，形成了一个极佳的数学夹心结构。

由于其在查找模式方面惊人的准确性，另一位解说员描述的两种深度学习模型随处可见。

卷积神经网络 (CNN) 常用于计算机视觉，其作用就像自动驾驶汽车的“眼睛”一样，能够助力使用医学成像发现疾病。经调整用于分析口语和书面语的时间递归神经网络和转换器 (RNN) 是 Amazon Alexa、Google Assistant 和 Apple Siri 的引擎。

选择合适的模型系列（如 CNN、RNN 或转换器）是一个良好的开端。但这仅仅是个开始。

如果您想参加 Baja 500 比赛，可以改装带有重型减震器和坚固轮胎的普通沙漠用越野汽车，也可以购买一辆专为此比赛而打造的车辆。

在机器学习中，这就是所谓的预训练模型。它使用与用例中的数据类似的大型训练数据集进行了优化。数据关系，又称为权重和偏差，针对目标应用程序进行优化。

训练模型需要超大型数据集、大量的 AI 专业知识和强大的计算能力。明智的买家会购买预训练模型来节省时间和资金。

如果您要购买预训练模型，请寻找值得您信赖的经销商。

NVIDIA 将经销商名称放在一个名为 NGC 目录的在线库后面，该目录中充满了经过审查的预训练模型。它们涵盖了计算机视觉和对话式 AI 等一系列 AI 作业。

用户能够知道自己获得了什么，因为目录中的模型附带简述。它们就像是潜在雇员的凭据。

模型简述介绍模型训练领域、对其进行训练的数据集以及预期执行情况。它们提供了透明度和信心，帮助您为用例选择合适的模型。

此外，NGC 模型已为迁移学习做好准备。这是扭矩模型针对比赛中的确切路况（您的应用程序数据）进行的最后一项调整。

NVIDIA 还会提供“扳手”来调优您的 NGC 模型。这个“扳手”名为 TAO，您可以立即注册以抢先体验。

要了解详情，请查看：