江寒和夏雨菲走了過去。
雖然貼着單向透視膜,但走近之後,仍然能透過車窗,模模糊糊地看到一點輪廓。
駕駛座上有個苗條的身影,正趴在方向盤上,似乎正在小憩。
江寒敲了敲車窗。
車窗很快放了下來,露出夏如冰白皙、明豔的臉孔。
雖然已經30出頭,她卻依舊青春、靚麗彷彿少女,眼角眉梢並沒有什麼皺紋,仍然滿滿的膠原蛋白。
職場女性的精明、銳氣中,摻雜着少許清新、優雅的書卷味道,氣質獨特而動人。
只是……
雖然她掩飾得很好,江寒還是敏銳地感覺到了一點不同。
和上次見面時相比,夏如冰似乎稍稍有一點憔悴,眼神也沒有從前那麼明亮、銳利了。
也不知道她是不是遇上了什麼事?
江寒默默地想着,但並沒有貿然詢問什麼。
夏如冰打量着江寒和夏雨菲,有點驚奇,也有一點疑惑:“這一大清早的,你們兩個怎麼……而且還揹着旅行包,風塵僕僕的。”
夏雨菲甜甜一笑:“他去合江參加NOIP複賽,我也跟着去玩了兩天,散散心,然後我着急回來上課,就讓他陪我坐了次火車……”
她一五一十地解釋着,對於和江寒之間的關係,並沒有特意去迴避。
夏如冰此前還不清楚兩人的事,這時自然已經心如明鏡。
但聽完夏雨菲的話,她只是恍然一笑,輕輕點了點頭,並沒有什麼特別的反應。
隨後,輪到夏雨菲發問:“小姨你這是?”
夏如冰“哦”了一聲,說:“我出來處理點業務……對了,你們還沒吃早飯吧?我請你們。”
“吃過了,在車上吃了點麪包、紅腸……”夏雨菲回答着。
夏如冰很乾脆地打斷:“那就陪我再去吃點,上車再說。”
江寒打開後備箱,將兩人的旅行包放了進去,然後拉開車門,讓夏雨菲坐進了後座,自己則坐了副駕位。
“去哪吃?”夏如冰詢問了一句,同時啓動了車子。
夏雨菲說:“隨意。”
江寒也表示無所謂。
夏如冰點了點頭,隨後載着兩人,拐了兩個彎,停在了“陳記湯包店”門口。
這是一家老字號,東西做得不錯,衛生情況也十分良好。
一頓飯很快吃完,夏如冰又把兩人送回家。
下車時,夏雨菲見別墅大門緊鎖,知道媽媽不在家,於是回過頭去:“小姨你有沒有時間?稍微等我一下,一會兒順便送我去上學。”
“沒問題。”夏如冰揮了揮手,“快去吧。”
夏雨菲拿鑰匙開門,江寒則從後備箱中取出旅行包,跟在後面進屋。
兩人重新洗漱、收拾了一番,換了一套衣服。
隨後,夏雨菲背上書包出門,再次上車,江寒想了想,也跟了上去。
夏如冰先把夏雨菲送到學校,等她下車後,就問江寒:“你去哪?”
江寒禮貌地回答:“我想去一趟綠樹家園,麻煩您了,夏姐。”
夏如冰發動了汽車,走出不遠,忽然問:“你和雨菲在一起多久了?”
“將近一個月了。”江寒實話實說。
夏如冰“哦”了一聲,不再多問,默默開車。
過了一會兒,忽然又說:“好好對她,還有……”
江寒等了半晌沒見下文,心中微感奇怪,但還是欣然應了一聲:“好的,小姨。”
沒錯,既然話都挑明瞭,當然要趕緊改口了。
不多時,到了綠樹家園。
江寒躊躇了一下,沒有立即下車,而是裝作不在意地問:“小姨,你是在爲工作上的事情發愁嗎?”
自打今天看到夏如冰,就感覺她似乎有心事。
如果不是特別麻煩的事情,自己又能伸得上手的話……
然而,夏如冰聽了江寒的問話,蹙着眉頭,似乎很煩惱,卻始終一言不發。
江寒等了一會兒,見她並不打算傾訴,只好聳了聳肩,打開車門下車。
畢竟是別人的私事,人家想說就說,不想說,他也不會勉強。
目送夏如冰車子開遠,江寒轉身走下臺階,用鑰匙打開卷簾門,進入車庫。
裡面的一切,和上次離開的時候,毫無二致。
今天溫度有點低,江寒進屋後,立即打開了兩臺大功率的電暖氣。
足足過了半個小時,屋子裡才暖和了一點。
他先查看了一下神經網絡的訓練情況。
前後一共上傳了160多套訓練方案,到現在已經全部訓練完成。
服務器和五臺工作站目前全都處於空閒狀態。
江寒又逐一檢查了一遍訓練結果。
首先要看的,是在訓練過程中,模型是否收斂。
如果無法收斂,就意味着神經網絡構築失敗,無法通過訓練進行學習。
其次要看收斂速度,這個指標影響網絡的訓練效率。
這次KAGGLE舉辦的機器學習比賽,時間上並不是十分緊張,哪怕神經網絡的收斂速度稍微慢一點,也是可以接受的。
但也不能太慢了,必須在截止日期之前完成最終的訓練,否則就派不上用場了。
江寒上傳的代碼中,包括了各種日誌記錄和狀態監督的函數。
模型訓練過程中,每進行到一個節點,都會在輸出的日誌中,打上相應的標記。
所以一看日誌就能知道,模型是否收斂以及收斂速度如何。
檢查十分迅速,江寒只用了10分鐘,就淘汰掉了20多種無法收斂的,和50多種收斂過於緩慢的網絡設計方案。
其實,這些方案改進一下,還是有機會“進化”成“有用之才”的,但江寒並沒有急着這麼做。
可選的方案太多了,這些完全可以先放在一邊,等後面實在選不出來合用的,再考慮如何改造一下,“廢物利用”。
現在還剩下75種方案。
這些方案都能收斂,且收斂速度基本滿足需求。
所以,接下來要比較的,是模型的精準度,也就是對手寫數字的識別正確率。
通過觀察訓練日誌,江寒發現,其中大約50種方案,在訓練集上表現就很普通,識別正確率不足90%。
這意味着,它們先天稟賦不足,對數據的擬合能力不強,再怎麼訓練,成就也有限。
第一批一共160種方案,如果比喻成160名學生的話,這50多名學生,就相當於這一屆的“學困生”。
將這些方案也先放在一邊,暫時排除在考察範圍之外。
還剩下22種方案,在訓練集上表現十分良好,這至少說明,它們的學習能力沒有太大的問題。
隨後,江寒將驗證集加載到這22份代碼中,逐一進行測試。
這樣就能通過比較,挑選出泛化能力相對較強,對陌生數據適應能力較好的方案。
神經網絡訓練起來很慢,但用訓練好的模型對數據進行分類,速度相當快。
所以,江寒只用了一個多小時,就將22種方案都測試了一遍,然後按照綜合得分排了一下序。
排名前三的方案,在訓練集上的識別正確率,都超過了94%的及格線。
而在測試集上的表現,則參差不齊。
江寒仔細思考了一會兒後,先淘汰掉了得分最高的方案。
因爲這個方案在訓練集上,雖然識別正確率超高,接近了99%,但在測試集上表現不算太好,只有93%不到的準確率。
這說明模型泛化能力有所不足,產生了非常嚴重的過擬合。
用比較通俗的話說,這就是一個“書呆子”,只會死讀書,不會活學活用。
所以只能先Pass掉。
第三名的模型,在訓練集和測試集上表現差不多,都超過了95%,但相對來說,還是不夠突出。
而且泛化能力雖然沒問題,可是和其他模型相比,學習能力似乎稍微差了些。
如果有更多數據支撐,或者更多的訓練時間,也許能得到一點改善,但也不會特別樂觀。
這就好比某些中等生,頭腦其實不笨,但學習習慣和方法不夠好,也不夠努力。
然後在一次測試中,雖然憑藉良好的發揮,暫時領先了其他中等生,但畢竟還是比不上那些真正的優秀生。
所以,江寒權衡再三,最後選擇了第二個模型。
這個模型在訓練集和驗證集上,表現都可圈可點,雙雙達到了97%的理想線。
而且,江寒分析完一些數據後,感覺只要進一步提高訓練強度,這個模型應該還有很大的進步空間。
這是一個天賦不錯的學生,文理雙修,沒有短板,但並沒怎麼用力去學,這才輸給了書呆子一籌。
這種學生只要加強訓練,成爲高材生指日可待,日後的發展不是書呆子可比的。
這是江寒從160套方案中,層層選拔,優中選優,最後留下來的唯一優勝者。
接下來,就該對其進行地獄特訓了……