“齐凡，努力归努力，千万不要太累。我真的不想守寡。”
齐凡低头扒着饭，“放心，我每天睡眠都是充足的，身体没问题。就是老外和我们这边有时差，他们又没有加班的习惯，我只好迁就他们的时间。”
“老外？”李月一脸疑惑，“你和老外扯上关系了？”
“我最近和英威达那边有点交集，就是遇到一些技术问题时，需要咨询他们。”
“你和英威达有联系？”
齐凡淡然道，“算不上联系，就是用到他们显卡的底层库，就是一个软件产品，可偏偏这玩意儿没啥人用，所以他们官网没有充分的服务支持。我只好通过邮件直接和他们联系。”
“对了，他们CTO还邀请我去实习。我嫌麻烦拒绝了。”
李月愣了下，“那家公司我知道，全球显卡领域的龙头，典型的鹰国科技独角兽企业，市值都快近百亿美刀。你怎么会和这种级别企业的CTO有联系，英威达可比‘吃过没’那种平台型企业厉害得多。”
“就是那个去除马赛克项目，我靠它在github混了点人气，最近有了个新点子，但需要英威达提供技术支持。可我要是冒然去联系英威达那边，对方肯定不会理我。所以，我就靠我在github上的一丢丢人气，发动众人帮我把他们CTO揪了出来。”
“就这样？”李月瞪大了双眼。
“就这样啊。你别看人家公司近百亿美刀市值，在技术这块，大家都是很平和的。有事说事，谁管你身家多少。”
李月再次被齐凡刷新了认知。她当即握住齐凡的手，“苟富贵勿相忘。”
齐凡被她认真的表情逗笑了，自嘲道，“我一個月生活费500块。一定不忘姑娘自荐枕席的恩情。”
李月嗔怒，“流氓。”
-----------------
齐凡鏖战两天，终于完成了第一稿基于英威达显卡的数学运算库。
这个库可以让开发者将英威达显卡的并行计算能力，用于深度学习的模型训练，从而大大提高运算速度。
齐凡考虑到这个库的通用性，特地没有将它和Python环境捆绑，而是提供了开放的接口。也就是说，后续其他人可以在此基础上将其应用到Python之外的编程语言。
在用上这个数学运算库后，运算速率直线上升。在GTX 680满负荷的情况下，跑一次训练的时间只需要5秒钟。而CPU 50%负荷的情况下，跑一次训练需要1分钟。这简直就是质的飞跃。
这让齐凡进行一次完整的万次训练只需将近14个小时，而原先则需要将近7天。
四天后，在经过完整的6轮迭代后。第一稿具备自学习能力的目标检测和识别模型诞生了。
齐凡将其命名为：XCNN_DT_1.0。
XCNN_DT_1.0支持使用者传入自定义的标注数据，支持二次训练，可用于各类特定的符号识别场景。
也就是说：这并非是专用于识别某一类符号的，而是可以用来识别各种符号。
不管是数字、标点，还是英文，甚至是某个大聪明自己发明的什么字符。XCNN_DT_1.0都可以识别。
XCNN_DT_1.0可以识别它没见过的字符，其原理是它的自学习功能。当然它的自学习功能也没神奇到什么都不用做，就能完全自主学习。它还是需要有人告诉它每个符号的意义。
比如：这个符号是“0”，那个符号是“1”。
只要告诉XCNN_DT_1.0每个符号的意义，剩下的就是训练，在训练跑完之后。它就能完成识别。
一句话：它可以识别它见过的所有符号。
当然，由于汉字比较复杂。它目前对汉字的支持度还不高。
齐凡另外创建了第三个项目，项目名称就是：XCNN。
他在项目介绍中仔细阐述了XCNN的设计思路，以及优缺点。并且开源了所有的代码。
为了给粉丝们一个交代，齐凡将XCNN描述为：自己在开发去除马赛克2.0版本时的神来之笔，是副产物。
其实，他之前声称开发去除马赛克2.0版本只是个借口，为的就是拿到英威达的完整底层库。要让去除马赛克也能获得自学习能力，这是一个大工程，只能留待日后慢慢去开发了。
齐凡发布XCNN的当天，这项目就上了github的头版头条。因为这是一场革命，一场机器视觉领域的革命。
在此之前。没有人想到过可以将卷积神经网络应用于目标检测识别领域，但是齐凡做到了。
英威达CTO在个人主页上盛赞了齐凡的这个创意。因为，这同时也是他们自家产品最好的推广机会。
本章未完，点击下一页继续阅读
>>章节报错<<