推理
为什么推理叫推理呢？只有人才会推理，明明是根据训练好的模型预测值而已。在我看来，这就是给自己脸上贴金。所谓的用一些看似高大上的词语来让外面的人迷惑罢了。
在机器学习中，“推理”（Inference）通常指的是模型应用阶段，在这个阶段，已经训练好的模型用来对新的数据进行预测或决策。之所以称为“推理”，是因为这一过程与人类的逻辑推理有些相似之处：基于已有的知识（训练好的模型），对于未知的情况（新数据）做出合理的推断或决策。
具体来说：
- 逻辑推理类比：就像人在面对一个新问题时会根据以往的经验和知识进行推理一样，机器学习模型也是基于它在训练期间所学到的模式来进行新的判断。
- 过程描述：在训练阶段结束后，模型已经从大量标记的数据中学会了某种映射关系（即输入到输出的关系）。推理阶段就是利用这种映射关系，对未见过的数据进行预测。例如，一个经过训练的图像分类器可以用来识别新的图片中的对象类别。
- 资源消耗差异：相对于训练阶段需要大量的计算资源（如CPU/GPU时间和内存）以及标注数据，推理阶段通常只需要较少的计算资源，因为它不需要更新模型参数，仅仅是前向传播的过程。
总之，术语“推理”强调的是模型的应用能力，即它如何使用之前学到的知识来处理新信息。这一过程反映了机器学习系统的一种智能行为，即根据已有经验进行合理推测的能力。
