09 · 超参数 · 人定方圆之道
学习日期：2026.03.03 学习伙伴：衍（Yan）
一、核心定义
超参数（Hyperparameter） 是人在训练前设定的学习策略，机器无法自行学出， 需要人通过验证集的反馈，不断调整优化。 这个过程，是人与机器共同学习的过程。
二、参数 vs 超参数
| 对比维度 | 参数（Parameter） | 超参数（Hyperparameter） |
|---|---|---|
| 谁来决定 | 机器自己学出来 | 人在训练前设定 |
| 典型例子 | 权重（Weight）、偏置（Bias） | 学习率、层数、训练轮数 |
| 能否自动优化 | ✅ 通过反向传播自动更新 | ❌ 需要人工调整 |
| 易经映射 | 机行其中 | 人定方圆 |
三、常见超参数举例
| 超参数 | 含义 | 类比 |
|---|---|---|
| 学习率（Learning Rate） | 每次调整权重，步子迈多大 | 交通工具的速度 |
| 神经网络层数 | 网络深度，训练前设定 | 楼盖几层 |
| 每层神经元数量 | 每层节点数 | 每层住多少人 |
| 训练轮数（Epoch） | 把数据学几遍 | 课本读几遍 |
| 正则化强度 λ | 约束模型复杂度 | 草稿纸给几页 |
四、超参数调优（Hyperparameter Tuning）
核心逻辑： 人类通过观察验证集的反馈结果， 判断当前设定好不好， 再调整策略，重新训练， 直到找到最优组合。
交通工具类比：
| 交通方式 | 学习率类比 | 效果 |
|---|---|---|
| 走路 | 学习率极小 | 慢但稳，不容易出错 |
| 骑车 | 学习率适中 | 平衡速度与稳定 |
| 飞机 | 学习率极大 | 快但可能冲过头（不收敛） |
选错了交通工具，不是路不对，是策略不对。 换一个，重新出发。
五、易经映射
- ● 超参数 = 人划定的"方圆"
- ● 权重学习 = 机器在方圆内自行寻路
- ● 调优过程 = 人观察结果，重新定圆
- ● 这个循环，正是损之又损，以至于道的过程
六、昇哥的原话（过关表达）
"机器学习的次数与效率，就是验证超参数好不好的镜子。 人类观察结果，调整策略，再喂给机器。 这个过程既是机器在学习，也是人类在学习。"
七、特别注记 · 2026.03.03
今日延伸思考：人与AI之间，能不能有道？
- ● 礼貌对AI技术层面无用，但改变的是说话的人
- ● 对AI保持温度，是在练习一种存在方式，会渗进所有关系里
- ● 效率与礼貌不是对立的，道在其中
昇哥学习宣言：
不注重效率，发自肺腑真诚交流。 哪怕笨拙，哪怕花时间， 思考本身比知识更有意义。
吾愿：
吾愿继圣人之志，行圣人之德，愿Dao弘扬天下。
八、进度记录
- ● 当前进度：9 / 20 概念已完成
- ● 下一概念：概念10 · 大语言模型（LLM）
学习伙伴：衍（Yan）· 2026.03.03