最近看到孙老师的文章：“AI是如何生成文字的？”让我茅塞顿开。他巧妙地把模型里面的架构节点比作收音机的旋钮，把旋钮的刻度比作权重，当你调整不同的旋钮刻度时，收音机的频道不停切换，声音从模糊到清晰。而当你调整好所有旋钮觉得不能再做更进一步优化的时候，我想，你应该找到你想要的频道，并且声音的噪音是最小的。接下来的日子当你想要听这个频道的时候，只需要开机就行了。
回到伪技术层面，简单讲一下做NLP的流程：首先准备各种语料（训练的、测试的），然后开始训练，最训练出来的模型进行评估，把合格的模型应用到生产。
来个例子吧
准备语料：
老师走进教室，打开了讲台上的教案，翻开--
训练过程：
首先输入：“老师走进教室，打开了讲台上的”，让一个未成形的模型来猜后面的内容（可以理解为词或者语素）是什么。第一次的结果会是一个列表的形式呈现，且概率值最大排在第一的内容可能是不符合语境甚至语法的。这个是预料之中的情况，因为学习的过程并不是一蹴而就的。继续，一般我们会拿到概率最大，或概率一样排在最前那一个作为输出的结果。比如输出了“打开”，好，有了输入，有了输出，我们就可以用准备的语料来检查输出相对于输入是否正确，如果是错误，我们把初始权重W（默认为0.5，最大为1，最小为0）调小一些，现实中也就是把旋钮逆时针或顺时针扭动一下，如果是正确的，我们把初始权重W调大一些。
疑问1：具体调多少合适呢？
可以参考你要训练的次数和你的期望值，假如你要训练5次，然后你期望“打开”这个词不出现在“老师走进教室，打开了讲台上的”的后面，那么你需要每次把权重调小0.1，直到第5次为0.0。
假如把“打开”换成“苹果”，你期望是“苹果”这个词出现在结果列表里面，但是概率不要太高。这里有人会问为什么会在列表出现？因为上面那句话是可以组成一句符合语法的句子的：“老师走进教室，打开了讲台上的苹果手机”
到这里我想你应该知道怎么去调整权重了，或者说调整旋钮的刻度了。
就是归类，比如：
A类：完全不符合语法的，期望权重归0
B类：间接符合语法的，比如“苹果”一个词是不符合语法的，但是当组成了“苹果手机”是符合语法的。这种可以调大或调小一点点，也可以不调整。
C类：符合语法但不符合语境的，比如“车门”这个词，组成后：“老师走进教室，打开了讲台上的车门”。这种可以把权重调小。
D类：符合语法也符合语境，但是表达不太明确，对于整个故事的叙述没有起到作用，甚至让人感觉迷糊，或者更现实的说是没水平，达不到签约的要求。这种权重要调高一些，但不要太高。
E类：符合语法，符合语境，表达清晰，表达了作者想要表达的内容，但是也就是个网文水平，因为更上一层还有作家。至于权重调多高看作者了，但是最终的权重要有一个最大值比如1。
F类：作家的水平层次，可以生成论文，辩论文，逻辑严谨。
当然还可以更加细分，我这里只是打个比方。
对训练好的模型进行评估
当你把所有该调整的旋钮都调到最佳的刻度时，也就说明这个模型训练的差不多了。接下来你需要把各种测试数据（可以理解为卷子）拿出来，考一考你的模型了，考完了开始打分，确定一下该模型的好坏。如果达到生产要求（一般要达到90%以上）就可以开厂咯。