大家好，又是我小K。
荒废了好久，感觉 #Python三分钟 系列，越来越难写了（江郎才尽了）。
因为平时都是在造轮子，很难再精进。
平时用20%Python知识就能开发80%的场景，所以……
当然 #Python三分钟 以后还会继续更（我有收获了就更）。
现在介绍下麦叔编程的新系列 — AI三分钟
这个系列，我们争取用最少的语言去解释AI的词汇和技术。
接下来进入正题
我们刚接触到大模型的时候，是不是先研究的是他的参数？
就是显示多少多少B，（越大越厉害）
其实这个B的意思是十亿（B，billion）
如果这个模型上写了8B，那么它的参数量就是80亿！
问题又来了:这个参数是个啥？为啥参数越多就越厉害？
举个例子：
图中的雷达图就是能表明一个球员能力的特征数值，尽管只有6个。
但是教练们平时根据这些特征去选择一个球员（当然特征越多越好，教练就知道球员更多的隐藏能力）。
如果我们要训练一个“球员”模型，就需要把这6个特征作为参数扔进去训练。
训练好了之后，我们就得到一个球员:6这个模型。
再次回到正题
参数数量的影响
-
模型能力：参数越多，模型通常能捕获更复杂的模式，处理更广泛的任务，生成更高质量的输出。 -
计算需求：参数量越大，训练和推理所需的计算资源（GPU/TPU、内存等）越多，成本也越高。 -
效率权衡：较小模型（如6B）在特定任务上可能效率更高，适合资源受限的场景；超大模型（如140B）更适合需要极高泛化能力的复杂任务。
最后
我试过把这个0.6B的模型部到手表，你们也可以试试！！
如果你想加速Python学习，获得专业的指导，30天学会一门技能！
欢迎参加麦叔Python实战训练营，入门营，机器学习营，办公自动化营同步开放。
详情点这里：麦叔Python训练营
原文链接：https://www.zsiss.com/9362.html，转载请注明出处。
