这一步对应于梯度下降，你调整权重参数，使下一次的损失变小。

第六步：重复训练——逐步优化

你不断尝试新的配方，每一次都比之前的蛋糕稍微好一些。随着多次迭代，蛋糕的评分逐渐提高。直到评委满意地说：“这就是我想要的味道！”

在机器学习中，当模型的损失函数下降到满意的程度时，模型训练完成。这时，你的蛋糕配方（即权重参数）就是最优解。

?

用比喻解释：权重参数学习的过程

把机器学习中的权重参数学习想象成一个人在黑暗中寻找山顶的过程。

1. 初始化：盲人探路

你被蒙上眼睛，放在一座未知的山脚下。你不知道山顶在哪里，只能凭借直觉选择一个方向出发。

? 你的起点：模型的初始权重参数。

? 目标山顶：最低的损失函数。

2. 前向传播：一步步行走

你迈出第一步，试着感受地形。

? 如果地势变陡了，说明你可能走错方向了。

? 如果地势变平缓或向下，说明你可能朝着正确的方向前进。

? 每走一步，你都会评估自己与山顶的距离（就像模型在计算预测误差）。

3. 计算损失：测量高度差

你带着一个测高仪，随时测量当前位置与山顶的高度差。这个高度差越小，你就越接近目标。

? 高度差就是损失函数。

? 高度测量让你知道自己需要继续调整方向。