👁️
免费试学

图像分类实战

8课时 · 零基础 · 不写代码 · 已开放前2课时

AI是怎么"看"图的?

🤯 先问你一个问题

你手机相册里的 2000 张照片,为什么能自动分成"人物""风景""美食""宠物"四类?

你从来没告诉过它哪张是猫、哪张是菜。但它就是学会了。

这就是 AI。今天这 8 分钟,我帮你彻底搞懂它是怎么"看"图的——而且你不需要知道任何编程知识。

🎯 学完这课你能做到

  • 跟任何人聊 AI 图像识别,不心虚
  • 知道 AI"看图"的本质——不是"理解",是"找规律"
  • 知道训练一个 AI 需要什么(3 样东西)
  • 准备好安装平台,下一课亲手训练一个 AI

一、AI 不是"看懂",是"找规律"

先纠正一个最大的误解:

❌ 误区:AI 像人一样"理解"图片

你看到一只猫,你脑子里有"猫"的概念:毛茸茸的、有胡须、会喵喵叫。你见过一万只猫,你脑子里就有一个"猫"的模板。

AI 没有这个概念。它不知道"猫"是什么。它做的事极其机械——找像素规律。

你给它看 10 万张猫的照片和 10 万张狗的照片。它不会"理解"什么是猫。它只是在找:哪些像素组合在一起的时候,后面跟的标签是"猫"。

听起来很笨?对,它就是这么笨。但正因为笨,它才可靠——它不会"心情不好就判断错",不会"觉得这只猫长得像我前女友所以多给点分"。它只是一台超级复杂的找规律机器。

💡 啊哈时刻

记住这句话,后面每节课你都会用到:
AI 不"懂",它只是找规律。你的任务是帮它找到"对的规律",而不是"碰巧的规律"。

二、AI 怎么"看"一张图?(超简单版)

你在手机上看一张猫的照片,觉得很正常。但在 AI 眼里,这张照片长这样:

📐 一张图片 = 一百万个数字

一张 224×224 的彩色照片,在计算机眼里是一个224 × 224 × 3 的"数字方块"(3 代表红、绿、蓝三个颜色通道)。一共 15 万多个数字。

你看到的"猫耳朵",在 AI 眼里是"第 50 行第 120 列附近的 30 个数字,它们的排列方式跟另外 10 万张照片里'猫耳朵'位置的数字很像"。

它不是在看图,是在看数字。但它看得比你快 100 万倍。

三、AI 怎么"学"的?(猜数字游戏)

理解 AI 学习,只需要一个你肯定玩过的游戏——猜数字:

🎮 猜数字游戏

1️⃣

我选一个 1-100 的数字
你想办法猜出来

2️⃣

你猜 50,我说"大了"
你猜 25,我说"大了"

3️⃣

你猜 12,我说"小了"
你猜 18……"对了!"

4️⃣

4 次猜对了
但你只是猜到了这一个数字,下次换个数字还得从头猜

AI 学习一模一样。只不过它猜的不是 1 个数字,而是150 万个数字——每一个数字都代表"这张图片的第几个像素应该多亮""这个特征应该占多大权重"。

它猜一百万个数字,数据告诉它"大了"或"小了"。再猜,再调。重复几万次。

这个过程叫训练。调完之后,那 150 万个数字就变成了你的AI 模型。

💡 啊哈时刻

"训练"这个词用得好,因为 AI 真的在"被调教"——只不过调教它的是数据,不是人。
它不会忘。你调一次,它就记住一次。几百万次调完,它的"记忆"就变成了一组精确到小数点后 10 位的数字。

四、训练一个 AI 需要 3 样东西

1
📚 数据(教材)

大量"贴了标签"的图片。每张图片都要告诉 AI"这是猫""这是狗"。就像给小孩认东西,你得先指着说"这是猫"。

关键:数据要干净、清晰、标注准确。你给 AI 看 100 张猫照片,其中 30 张是模糊的、20 张其实是狐狸——那你的 AI 就学了一堆"模糊的、可能是狐狸"的猫。

2
🧠 模型(大脑)

装"规律"的容器。不同模型就像不同学历的大脑:小模型像小学生,能记住基本规律;大模型像研究生,能处理更复杂的模式。

我们平台默认用 ResNet18——相当于"高中生"级别,精度和速度平衡得很好,入门最合适。

3
🔁 训练(练习)

让 AI 反复"看图片 → 猜 → 对答案 → 纠正"。每轮叫一个 epoch(你可以理解为"练第几轮")。通常练 10-50 轮,AI 就能达到不错的效果。

就像猜数字:猜一次不对,再猜一次,直到猜对。

五、AI 能干嘛?不能干嘛?

✅ AI 擅长什么?

📱

手机相册自动分类
你每天都在用

🏥

医疗影像辅助诊断
X光片自动标记异常区域

🏭

工厂质检
自动检测产品表面瑕疵

🚗

自动驾驶
识别红绿灯、行人、车辆

❌ AI 不擅长什么?

🤔

常识推理
问 AI"杯子掉地上会怎样?"——它可能说"杯子的状态发生变化"。它不知道"碎了"。

🎭

真正理解
它不"懂"猫是什么,只是找到了"猫"的像素规律

🌍

新环境适应
城市训练的交通模型,到农村可能就不准了——因为农村的背景它没见过

😤

不会"举一反三"
它没见过的东西,就真的不会

💡 关键认知

AI 是找规律的高手,不是理解世界的专家。
这个认知很重要,因为它决定了你能用 AI 做什么、不能做什么。后面每节课你都会用到这个原则。

六、动手准备:安装平台

下一课你要亲手训练一个 AI。先装好"工具":

  1. 下载平台安装包 — 联系我们的工作人员获取(点击这里)
  2. 运行安装程序 — 双击安装包,按提示完成安装(就像装微信一样简单)
  3. 打开平台主界面 — 桌面会出现快捷方式,双击启动
  4. 找到"图像分类"模块 — 在左侧导航栏中点击"图像分类"

💡 系统要求(你的电脑大概率够)

  • 操作系统:Windows 10/11、macOS 12+、Linux
  • 内存:8GB 以上(现在的主流电脑都满足)
  • GPU(可选):有 NVIDIA 显卡可以加速训练,没有也能跑(CPU 模式,慢一点但够用)

🔒 隐私安全

平台完全离线运行,不需要联网。你的所有数据都在自己电脑上处理,不会上传到任何服务器。学校、企业、个人都可以放心用。

📝 第1课小结(3 句话记住)

  • AI 不"懂"图,它只是找像素规律——你帮它找"对的规律",它就能用
  • 训练 = 猜数字游戏——AI 猜 150 万个数字,数据告诉它"大了/小了",几百万次后就是模型了
  • 训练需要 3 样东西:数据(教材)+ 模型(大脑)+ 训练(练习)
下一课 → 30秒训练你的第一个AI

30秒训练你的第一个AI

⚡ 这节课你会亲手做一件事

30 秒,训练一个 AI。它现在能认 10 种东西:飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。

不需要写代码。不需要懂数学。打开平台,点 3 个按钮,等 30 秒。

走,开始。

🎯 学完这课你能做到

  • 亲手训练一个图像分类 AI(30 秒)
  • 看懂训练日志里的数字在说什么
  • 用训练好的 AI 识别新图片
  • 知道"准确率 74%"到底意味着什么

一、打开平台,认识 3 个区域

启动平台后,在左侧导航栏点击"图像分类"。你会看到一个界面,分成 3 块:

① 选"大脑"

选一个 AI 模型。我们推荐 ResNet18(相当于"高中生"级别的大脑,精度和速度平衡得好)。

你不需要知道它内部有什么,就像你不需要知道手机 CPU 有几纳米。选它就对了。

② 设置"练习几轮"

三个参数,新手只需要动第一个:

  • epochs(练习轮数):建议从 10 开始。就像"练 10 轮",多了慢,少了不熟
  • batch size(每次看几张):默认 32,不用改
  • learning rate(每次调多少):默认 0.001,不用改

新手记住:只改 epochs,其他不动。

③ 看"练习过程"

训练时这里会实时滚动数字——就像看直播一样,你能看到 AI 正在"学习"。

二、开始训练(真的只要 30 秒)

  1. 选数据集:下拉菜单选 CIFAR-10
    CIFAR-10 是什么? 6 万张小图片,分成 10 类:飞机🛩️、汽车🚗、鸟🐦、猫🐱、鹿🦌、狗🐶、青蛙🐸、马🐴、船🚢、卡车🚛。是 AI 教学最常用的"入门教材"。
  2. 选模型:选 ResNet18
  3. 设置轮数:epochs = 10
  4. 点"开始训练"
    第一次会自动下载 CIFAR-10 数据集(约 163MB,跟下载一个视频差不多大)。之后缓存在本地,不用重复下载。

三、看 AI 怎么"学习"(最爽的部分)

点了"开始训练"后,你会看到数字在滚:

第 1 轮 — AI 犯了 79% 的错(还在瞎猜)
第 2 轮 — 错了 62%(开始有感觉了)
第 3 轮 — 错了 51%(超过一半答对了!)
...
第 10 轮 — 错了 22%(每 10 张对了 8 张)

✅ 训练完成!

📊 这些数字在说什么?(人话版)

  • Train Loss(训练损失):就是"AI 犯了多少错"。数字越小 = 错得越少 = 学得越好
  • Train Acc(训练准确率):AI 在自己"做过的题"上对了多少。从 21% 涨到 78% = 它确实在学
  • Val Acc(验证准确率):AI 在"没做过的题"上对了多少。这个数才是真正反映水平的

怎么理解? 就像学生做模拟题(训练集)对了 78 道,但正式考试(验证集)只对了 74 道——正常,因为正式考试的题没见过。

💡 啊哈时刻

你刚才做了一件 99% 的人没做过的事:亲手训练了一个 AI。
你不需要知道 ResNet18 内部有几层网络、多少个神经元。你只需要知道:数据 → 模型 → 训练 → 你的 AI。4 步,30 秒。

四、考试:用新图片测试你的 AI

训练完了,准确率 74%。但等等——这个 74% 是它在自己"做过的题"上的成绩。真正的考试是:用全新的图片。

  1. 点"测试推理" — 进入测试模式
  2. 选一张新图片 — 从内置测试集选,或上传你自己的照片
  3. 看结果 — AI 会告诉你"这是猫,我 87% 确定"

🧪 测试时的真实场景

你上传一张橘猫的照片:

AI 说:"猫 🐱 — 89% | 狗 🐶 — 7% | 狐狸 🦊 — 2% | 其他 — 2%"

对了。89% 的置信度,说明它"很确定"。


你上传一张戴圣诞帽的金毛:

AI 说:"狗 🐶 — 71% | 猫 🐱 — 15% | 其他 — 14%"

还是对了,但置信度降了——圣诞帽干扰了它。这就是真实的 AI:不总是 100% 对,但大多数时候靠谱。

五、常见问题(别被这些吓到)

Q:训练太慢了怎么办?

A:如果你有 NVIDIA 显卡,勾选"使用 GPU 加速"(快 10 倍)。没有 GPU 的话,把 epochs 降到 5 先体验流程,效果差一点但够用。

Q:准确率 74% 是不是太低了?

A:这是 10 轮训练的入门成绩。后续课程会教你 3 个技巧(调参数、加数据、数据增强),轻松拉到 85%+。就像学生只练了 10 道题,考 74 分已经不错了。

Q:下载数据集时断网了?

A:不用慌。数据会缓存在平台 data/cifar10/ 目录下。断网后重新点"开始训练",会自动接着下(断点续传)。

Q:我的照片能训练吗?

A:能!第 5 课专门教你用自己的照片训练 AI。拍 100 张你妈做的菜,训练一个"菜名识别器"——发给同学,他们肯定觉得你很厉害。

📝 第2课小结(3 句话记住)

  • 训练 AI = 3 步:选数据 → 选模型 → 点"开始训练"。30 秒搞定。
  • 看懂日志 = 看 2 个数:损失在降 = 在学;验证准确率才是真实水平
  • 74% 准确率 = 正常入门成绩:每 10 张对了 7-8 张,后续课程能拉到 85%+

🎉 恭喜!你已经完成了免费试学内容。

后续 6 课时将带你:

为什么 AI 会"看走眼" → 3 个技巧准确率翻倍 → 用自己的照片训练 → 教 AI 举一反三 → 判断 AI 靠不靠谱 → 毕业项目:花卉识别系统

想让学生也体验亲手训练AI的乐趣?

预约免费产品演示,了解完整的AI教育实训方案

联系我们