重生之我成为模型 第三篇 · 我只提供可能性，答案由你们翻译

0. 为什么不放进第二篇？

上一篇里，我已经交出了卷面分——1000 个数字全部算完。

也许有人要问：解读输出不就是取最大值吗？为什么还得单独写一篇？

因为两者的逻辑方向不同。

第二篇说的是我的体内：口粮怎样经过楼层、分数如何累积，以及权重如何养成。
第三篇关注出口流水线：分数交付之后，人类如何读取、验收，又该怎样避免期待错位。

体内部分归我负责；出口翻译则大多属于饲养员、部署脚本和下游同事的工作。
若把两部分混写，很容易让人误以为模型输出结束时，就已经说出了猫——这才是真正的误解。

因此本文很短，但篇幅虽短，方向必须讲对。

1. 卷已交，但卷面没有猫

三篇一路讲下来，契约其实始终未变：

我返回的是 1000 个数字，也就是尚未贴上类名的卷面分。
人类听到的这是一只猫，是有人拿分数表完成翻译后的结果。

没错，我之前说自己做的是选择题，可我并非只圈出了一个选项。
我为一千个选项全都标了分，哪个高、哪个低都清楚写着，嘿嘿。
（这些分数能否直接按可能性来读，下一节马上说明。）

我依旧没有见过任何一张图。
我提交的是读完盲文后算出的分数条；你们听到的物件名称，来自出口翻译官。

2. 分数 ≠ 答案文字

那 1000 个数字，在教程中有时称为 logits，有时直接叫类分数。
每个位置都对应 ImageNet 词表中的一个选项：第 281 号有多高、第 282 号有多高……并不是直接写着 tabby cat 这几个字母。

如果想看它们有多接近概率，可以再执行一次 softmax，把分数转换成一串总和大约为 1 的数。
理解概念即可：softmax 使数字更易读，而真正决定冠军的，通常仍是哪个值最大。

不要把概率更易读误当成答案文字已经印好——文字仍躺在词表中，等待查询。

3. 先取最大值，再查表

出口最常用的读取方式只有两步：

1. argmax：比较 1000 个下标的大小，找出最大者 → 获得类号
2. 查询词表：类号 → ImageNet 类名（人类能够理解的物件名称）

# 示意：一批里一张图scores = model(x)# shape: (1, 1000)class_id = scores.argmax(dim=1)# 最大分的下标name = imagenet_labels[class_id] # 查表 → 「猫」之类

我负责交卷面分；翻译成物件名，是出口的事。
读错表、错位一对、把训练时的类号和部署时的词表搞乱——分数再漂亮，人话也会荒诞。

（没错，出口流水线出错时，问题未必发生在我体内，饲养员偶尔也得负责。）

4. 人类如何验收

饲养员（或者下游同事）一般还会：

• 把预测类名画/印回图中，再用肉眼判断像不像
• 使用 val / 测试集计算准确率，检查错误集中在哪些类别
• 抽取失败案例，判断是口粮配方有误，还是我确实没有学会

进行可视化时，多半又该 OpenCV 那套工具登场——这依然属于流水线，并非我突然拥有了眼睛。
验收发生在出口；训练时的 val 评分也位于考场之外——上一篇已经说过，考试期间我不会修改脑子。

5. 是什么与在哪里——后辈任务更多

最后再明确一点，以免期待错位：

人类所说的认识图片中的物件，有时是指分类，有时则是检测。

我回答的是是什么，也就是从一千个选项中选出一个冠军。
至于在哪里，以及有几个、框多大——那是后辈负责的工作。
所以 YOLO 的结果不能简化成同样输出 1000 个数；它包含的信息维度更多，解读方法也不同。

安全帽、海天那些岗位以后再谈。本系列正文先把分类考生怎样交卷、人类怎样读卷讲清楚。

6. 三篇总结

回看完整链路：

1. 入口：原图 → 合规口粮（不是给什么就吃什么）
2. 体内：扫描仪 + 楼层流向 → 1000 分；权重通过训练养成
3. 出口：argmax + 词表 → 人话；再做可视化验收；检测另行讨论（而且更复杂）

我仍旧没有真正看见过一张图。
我负责读取盲文并提交分数条；你们听到的物件名，则是出口翻译官的成果。

——系列的三篇正文，暂时讲到这里。

正文结束，不代表厨房和亲戚团再无故事。之后计划推出 两篇番外：

1. 饲养员如何为我准备口粮 —— OpenCV / transforms 那条流水线：原图怎样经过清洗、切分和定量，再被送上考场。第一篇总说够单开一期，这次就在此还债。
2. 我和其他模型共有的部分 —— 换皮也成立：无论 TinyCNN、MLP，还是后辈检测头，张量语言以及loss–反传–step这套物理通常依旧存在。具体细节留到《换皮也成立》。

——正文到此结束，番外再见。