从 ( y = wx + b ) 到神经网络：参数、loss、梯度到底怎么连起来（一）

很多人一开始学深度学习，最容易卡住的不是代码，而是这些词：

• 模型

• 参数

• loss

• 梯度

• 反向传播

• 参数更新

这些词单独看都好像认识，但一连起来就会发虚。
尤其是刚接触 YOLO 的时候，经常会看到：

• 模型在训练

• loss 在下降

• 梯度在回传

• 参数在更新

可如果你不知道这些东西之间到底是什么关系，那后面看检测模型、结构图、训练日志时，就容易变成“看过，但没真正懂”。

这一篇就从最简单的：开始，一步一步走到神经网络，把这条链真正串起来。

一、先从最简单的模型开始：( y = wx + b )

这个式子你应该不陌生。

它本质上是一个函数。
给它一个输入 ( x )，它就输出一个结果 ( y )。

比如：

那么：

这件事本身其实就已经很接近“模型”了。

1. 什么叫模型

在机器学习和深度学习里，模型本质上就是一个函数：给它一个输入，它会给你一个输出。最简单时，这个函数可以写成：

这里我故意把输出写成 ()，而不是直接写 ( y )。

因为在机器学习里：

• ：通常表示真实答案

• ：通常表示模型预测出来的值

这里的 x 是输入，ŷ 是模型预测值，w 和 b 是模型内部可调的量。只要 x 给定，参数也给定，模型就会算出一个确定的输出。

模型根据输入 ( x )，算出一个预测值 ()。

图 1 最简单的训练链：输入 x 经模型得到预测值，再与真实值 y 比较，得到 loss。

二、参数到底是什么

在这个模型里，x 是输入，不由训练决定；真正可以被训练不断调整的是 w 和 b。它们就是参数。

1. 参数不是一句空话

很多资料喜欢说“模型有很多参数”，但不解释参数到底是什么。
其实参数一点都不玄。

你可以直接把它理解成：

你可以把参数理解成模型里的“旋钮”：旋钮拧到不同位置，模型输出就会不同。

对于来说：

•w 控制斜率，也就是输入变化时输出变化得有多快。

•b 控制截距，也就是在 x = 0 时输出的基准位置。

它们会影响模型输出，所以它们就是参数。

因此，训练模型并不是在“背公式”，而是在“找一组更合适的参数”。

2. 为什么参数重要

因为模型好不好，不在于“有没有公式”，而在于：

参数取什么值。

比如同一个公式：

情况 1

情况 2

虽然都是同一种模型形式，但参数不同，输出就完全不同。

所以训练模型，说白了就是：

找到一组更合适的参数，让模型输出更接近真实答案。

三、真实答案和预测答案，怎么比较

模型现在已经能输出预测值了：

但只有预测值还不够。
因为你不知道它预测得好不好。比如模型输出 7，这到底算对还是算错？

你必须拿它和真实答案比较。

假设真实答案是：

那么你就要比较：

真实值??? 预测值

两者越接近，说明模型越好。
两者差得越多，说明模型越差。

四、loss 是什么

这时候就需要一个东西，把“差得多不多”变成一个明确的数字。
这个数字就叫loss（损失）。

可以先把它理解成：

模型当前这次预测错得有多严重。

1. 最简单的一种 loss：平方误差

对于 (=wx+b ) 这种很简单的模型，我们常用一种 loss：

这里：

：预测值

：真实值

：

这个公式的意思非常直白：

• 如果预测值和真实值一样，差是 0，loss 就是 0

• 如果差得越远，平方后会更大，loss 就越大

2. 为什么要平方

这里顺手说一下平方的原因。

如果只写：

那会出现正负抵消的问题。
比如：

错 3，得到 ( +3 )

错 -3，得到 ( -3 )

从“错得多严重”这个角度看，它们都错了 3。
所以通常会平方，变成：

这样：

• 一定是非负数

• 错得越多，惩罚越大

五、把模型代入 loss，关键一步来了

我们知道：

又知道：

把模型输出代进 loss 里，就得到：

L = (wx+b-y)^2

这一行特别关键。

因为从这一刻起，loss 不再只是“预测和真实的差距”这么简单了，
它已经变成了一个和参数有关的函数。

也就是说：

loss 依赖于参数 ( w ) 和 ( b )

这就是后面一切的根源。

六、为什么梯度会和 loss 有关系

这就是很多初学者最卡的地方。

不是因为“梯度天生就和 loss 相关”，
而是因为：

1. 模型输出依赖参数

2. loss 依赖模型输出

3. 所以 loss 最终也依赖参数

我们刚才已经写出来了：

你看，loss 里面是不是已经有 ( w ) 和 ( b ) 了？

所以你当然可以问：

• ( w ) 稍微改一点，loss 会怎么变？

• ( b ) 稍微改一点，loss 会怎么变？

而这种“某个量改一点，另一个量怎么变”的问题，
就是导数 / 偏导 / 梯度在解决的问题。

七、先区分三个概念：导数、偏导、梯度

这里不要混。

1. 导数

如果一个函数只有一个变量，比如：

那对 ( x ) 求导，就叫导数。

2. 偏导

如果一个函数有多个变量，比如：

那你可以分别对 ( w )、( b ) 求导，这时候叫偏导。

比如：

3. 梯度

把多个偏导数组合起来，就叫梯度。

对于这个例子来说，梯度可以理解成：

所以梯度不是一个神秘新东西，
它本质上就是：

“loss 对各个参数的偏导数组成的一组方向信息”

图 2 以 L(w)=(w-5)² 为例：当前位置的斜率由导数给出，沿负梯度方向移动，loss 更可能减小。

八、真正算一次：loss 对参数的梯度

我们现在有：

L = (wx+b-y)^2

下面分别对 w 和 b 求偏导。

1. 对 w 求偏导

L = (wx+b-y)^2

把里面这一坨先记成：

u = wx+b-y

那：

L = u^2

根据求导法则：

而

所以：

2. 对 b 求偏导

同理：

九、这两个式子到底说明了什么

我们先看这部分：

wx+b-y

它其实就是：

也就是：

预测值减真实值

所以这两个梯度可以写成更直观的形式：

1. 如果预测偏大

如果：

那么：

这时：

这说明：

如果继续把 b 增大，loss 在当前位置附近会更倾向于增大。

所以更新时就应该往反方向走，也就是减小 ( b )。

2. 如果预测偏小

如果：

那么：

此时：

这说明：

如果把 ( b ) 增大，loss 反而有机会减小。

所以这时更新公式里“减去负数”，就会让 b 变大。

3. 为什么梯度绝对值大，说明更敏感

这是因为局部近似下，有一个很重要的关系：

它的意思是：

当参数发生一个很小变化时，
loss 的变化量大约由梯度决定。

所以：

• 如果很大
  那么同样改一点，loss 会变得更明显

• 如果很小
  那么同样改一点，loss 变化就没那么明显

这就是“梯度大，说明更敏感”的真正原因。

十、来一个带数字的完整例子

只讲公式容易抽象，我们直接算一次。

假设现在有一条样本：

• 输入 x=2

• 真实值 y=7

模型当前参数是：

• ( w=1 )

• ( b=0 )

1. 先算预测值

模型公式：

代入：

模型预测出来是 2。

2. 再算 loss

用平方误差：

loss 是 25，说明当前预测得不太行。

3. 再算梯度

对 ( w )

对 ( b )

4. 这两个负号是什么意思

负号的意思不是“错了”，而是：

如果你把参数往大方向改，loss 有机会下降。

因为更新通常写成：

假设学习率，那么：

更新后得到：

5. 再看更新后的预测

这时：

L=(7-7)^2=0

你会发现，这一步更新后，模型恰好就对了。

这个例子非常小，但它已经完整展示了训练的核心逻辑：

1. 用当前参数做预测

2. 计算 loss

3. 计算 loss 对参数的梯度

4. 按梯度方向更新参数

5. 让 loss 变小

十一、训练到底是在干什么

看到这里，你其实已经能把训练说清楚了。

训练并不是“模型自己突然变聪明”。
训练本质上就是：

不断调整参数，让 loss 尽量变小

所以训练过程的核心可以概括成：

输入预测计算 loss求梯度更新参数

这条链，后面学任何深度学习模型都会遇到。

十二、从 ( y=wx+b ) 到神经网络，中间到底差了什么

到这里你可能会问：

现在这个模型这么简单，
可神经网络不是很复杂吗？
那它和这个简单式子到底是什么关系？

答案是：

神经网络本质上还是函数，只不过函数更复杂、参数更多、层数更多

1. 线性模型太简单了

这个模型只能表示很简单的线性关系。
如果现实问题更复杂，比如图像识别、目标检测，那一个肯定不够。

所以就需要把多个这样的计算单元叠起来。

2. 一个简单“神经元”也可以写成类似形式

最基本的神经元，可以写成：

然后再过一个激活函数：

这里：

• ：线性变换结果

• ：激活函数

• ：输出

你可以看到，它还是从来的，只是多了一步非线性变换。

激活函数的作用是让模型不再只会表示线性关系，而能拟合更复杂的模式。

3. 多个神经元组合起来，就变成网络

如果你把很多个这样的单元堆起来，就会变成：

• 第一层做一轮变换

• 第二层再做一轮变换

• 第三层继续做

于是整个模型就变成了一个更复杂的函数。

比如一个两层网络可以写成：

这里：

• ：第一层参数

• ：第二层参数

• ：中间特征

• ：最终输出

这时候参数已经不再只有一个和一个，而是变成了一大堆。

图 4 从单个线性模型到多层神经网络：变化的是函数复杂度和参数规模，不变的是训练逻辑。

但本质没变：

模型仍然是函数，参数仍然是那些可学习的系数

十三、神经网络里的 loss 和梯度，逻辑变了吗

没有变。

逻辑还是同一套，只是对象更复杂了。

1. 神经网络的预测

仍然可以写成：

这里：

• ：输入

• ：所有参数

• ：整个神经网络这个复杂函数

• ：预测结果

2. loss 还是用来衡量预测和真实的差距

代入模型输出后：

你会发现，这和前面那个线性模型完全同构。

前面是：

现在只是把简单的换成了复杂的。

本质还是：

loss 依赖参数。

3. 所以仍然要求梯度

因为 loss 依赖参数，所以仍然要研究：

也就是：

loss 对各个参数的梯度

然后继续更新参数，让 loss 下降。

所以你要牢牢记住：

从线性模型到神经网络，变化的是函数的复杂程度，不变的是训练逻辑。

十四、前向传播和反向传播，到底是什么

这两个词后面会反复出现，现在可以一起讲清楚。

1. 前向传播（forward）

前向传播就是：

输入数据，经过模型，得到输出，再算出 loss。

也就是这条路：

你可以理解成“从前往后算”。

2. 反向传播（backward）

反向传播就是：

从 loss 出发，反过来计算 loss 对各个参数的梯度。

也就是这条路：

更准确地说，是把梯度从后往前一层层传回去。

它背后最核心的数学工具，就是链式法则。

3. 为什么叫反向传播

因为前向时，数据流动方向是：

输入 → 中间层 → 输出 → loss

反向时，梯度流动方向是反过来的：

loss → 输出层参数 → 中间层参数 → 前面层参数

所以叫“反向传播”。

十五、optimizer 在干什么

前面已经有了：

• 参数

• loss

• 梯度

那 optimizer（优化器）在干嘛？

它的任务很简单：

根据梯度，决定怎么更新参数。

最常见的基础形式就是梯度下降：

其中：

• ：参数

• ：学习率

• ：梯度

1. 学习率是什么

学习率就是“每次改参数时迈多大步”。

如果学习率太大：

• 可能一步跨过头

• loss 反而震荡甚至发散

如果学习率太小：

• 训练会很慢

• 很久都收敛不了

所以训练不是“有梯度就完了”，
还要考虑每次按梯度改多少。

十六、图像任务里，这套逻辑还成立吗

完全成立。

只是输入从一个简单数字，变成了一张图像。
参数从两个数，变成了几百万个参数。
输出也不再只是一个数，而可能是：

• 一个类别

• 多个框

• 多个类别概率

• 坐标回归结果

但底层逻辑没变。

1. 在图像分类里

输入是一张图片，模型输出一个类别预测。
然后和真实类别比较，算 loss，再更新参数。

2. 在目标检测里

输入是一张图片，模型输出很多框、类别、分数。
然后和真实标注比较，算检测任务的 loss，再更新参数。

也就是说，YOLOv8 虽然比复杂得多，
但本质仍然是在做这件事：

输入模型输出计算 loss求梯度更新参数

十七、把整条链最后完整写一遍

现在我们把这一篇的核心关系，用最完整的形式写出来。

1. 线性模型版本

模型：

损失：

代入后：

梯度：

更新：

2. 神经网络版本

模型：

损失：

代入后：

梯度：

更新：

你会发现，神经网络只是把简单的升级成了更复杂的。

训练逻辑没有换。

十八、这一篇里最容易混的几个点

1. 参数不是输入

参数是模型内部要学习的量，
输入是你喂给模型的数据。

• ：输入

• ：参数

不要混。

2. loss 不是模型本身

模型负责预测，loss 负责评价预测得好不好。

模型是：

loss 是：

一个负责“算结果”，一个负责“打分”。

3. 梯度不是“误差本身”

误差是预测和真实之间的差。
梯度是“参数变化时，loss 怎么变”。

它们有关，但不是一个东西。

4. 反向传播不是更新参数

反向传播是算梯度。
优化器才是拿梯度去更新参数。

这个区别一定要记住。

十九、小结

从最简单的：

出发，可以把整套逻辑看成这样：

1. 模型本质上是函数

2. 参数是模型里可以学习、可以调整的系数

3. 模型根据输入给出预测值

4. loss 用来衡量预测值和真实值的差距

5. 因为 loss 依赖参数，所以可以对参数求梯度

6. 梯度告诉我们参数往哪个方向改，loss 更可能下降

7. 优化器根据梯度更新参数

8. 神经网络只是把简单函数换成了更复杂的函数，训练逻辑不变