Loss（损失函数）本质上是： 衡量”模型预测结果”和”真实结果”之间差距的函数。可以理解为：模型犯错程度,Loss 越小模型越准确,Loss 越大模型预测越差。
1.为什么必须有Loss
神经网络训练核心：**不断调整参数(参数权重)**。但问题如何知道参数调得好不好？答案是看 Loss，Loss 就是优化方向。没有 Loss，网络无法知道自己是否预测错误。
2.训练本质
整个训练过程：
graph TD
A[输入数据] --> B[模型预测]
B --> C[计算Loss]
C --> D[反向传播]
D --> E[更新参数]
E --> B
核心目标：让Loss 越来越小。