[笔趣ba] biquba.vip 天才一秒记住！
视角切回京城邮电大学的教研室。
锺柏正在操作电脑，连接学校的宽带网络。
一百二十万张图片的压缩包，体积极其庞大。
锺柏挂上下载连结，对教研室这个2MB/s的下载速度很满意，但是又看了一眼整个数据集的体积：300G，又叹了口气。
「这得下到猴年马月去。」
楚一航掏出手机看了眼时间。
「挂着下吧，三个月的比赛呢，也不差这一会。」
下载进度条缓慢爬行。
一转眼，两天时间过去了，几个人走到了机房隔壁的伺服器存放间。
里面摆着两个黑色的标准机柜。
机柜里整齐排列着伺服器节点，运转的散热风扇发出巨大的噪音。
这些节点里插满了AMD的顶级计算卡。
这是郭长徵用三十五万的研究经费，加上盛夏科技提供的特殊折扣采购来的。
郭长征看着这些闪烁着绿灯的机器。
「三十五万砸下去，系里好几个老教授都在看我们的笑话。」
楚一航检查着节点上的指示灯。
「郭老师，您这就多虑了。」
「有盛夏科技的九章计算平台做底层，上面还套着我们新开发的TensorFlow框架。」
「这套硬体的算力利用率，绝对超出那些老教授的认知。」
叶言在旁边插话。
「其实在比赛数据集发布之前，我们用通用图片数据已经训练了一版基础模型。」
楚一航点头。
「没错，那个模型虽然没有针对ImageNet的特定类别做过训练，输出的结果类别也比比赛里要求的要多很多，但底层的特徵提取网络已经成型了。」
而此时，ImageNet的数据集终于下载完成并解压。
锺柏把五万张带有标签的验证集图片导入伺服器存储。
楚一航坐回电脑前，打开终端窗口。
他通过命令行连接到隔壁机房的GPU集群。
锺柏点开了解压后的数据集目录，仔细翻看了一遍官方提供的数据说明文档。
「哎？你们看这数据分布。」锺柏指着屏幕。
「这比赛提供的一百二十万张训练图像，一共被划分为了一千个类别。」
「但这玩意儿看着眼熟啊，这不就是咱们前段时间折腾的那个五百万张图片丶五千个类别的超大数据集的子集吗？」
锺柏手指在键盘上无意识地敲了两下，忽然嘿嘿一笑。
「手痒了。」
「既然是子集，要不咱们直接用前两天刚跑完的那个五千分类的通用预训练模型，来预测一下这数据集？」
「看看现成的模型，在这五万张验证集上效果咋样。」
楚一航一听，直接竖起了大拇指。
「你小子真是个机灵鬼，其实我刚才也正有此意。」
「现成的大模型不用白不用，说干就干！」
郭长征也点头同意了这个提议。
「跑一次看看，正好摸摸这个比赛数据集的特徵分布底细。」
这里需要给非专业人士解释一下。
为什么用训练了五千个类别的通用模型，可以直接去预测只有一千个类别的子数据集？
因为在深度学习中，用海量数据喂出来的模型「见多识广」。
它在底层网络中已经学会了提取通用的图像特徵，比如轮廓丶纹理丶色彩组合。
这种通用的特徵提取能力，完全可以直接套用到子集数据的分类任务上。
 但直接这么做，预测精度必然会存在误差，成绩会差一些。
原因很简单，模型最终输出的是五千个选项的概率。
在面对这五万张只有一千种标准答案的验证图片时，通用模型依然会按照五千个类别的范围去预测。
Bⓘ qu BⒶ.v ⓘ 𝒫