郭长征一惊，转头看向窗外。
虽然此时没有阳光直射进来，但外面的天色已经明显泛白。
“这……居然快天亮了？”郭长征觉得一阵恍惚。
两人这大半个晚上，连水都没怎么顾得上喝。
完全沉浸在那种发现新大陆的极度亢奋之中，根本没有察觉到时间的流逝。
“效率太高了。”郭长征看着满屏整洁的代码。
“如果按照我以前的计划，把这个复杂的网络架构用底层代码实现，起码得两个月。”
“而现在，一晚上，全搞定了。”
楚一航摸了摸肚子，感觉胃里空空如也，饿得有点难受。
“郭老师，模型搭好了，咱们现在就让它跑起来吧？”
“跑！必须跑！”郭长征此刻也顾不上疲惫。
楚一航打开浏览器，登录了ImageNet的官方网站。
由于完整的数据集高达上千万张图片，庞大，全部下载不仅耗时，楚一航硬盘也装不下。
于是，他们只勾选了其中一个非常小的数据子集，大概几万张图片，涵盖了猫、狗、汽车等常见的十几个分类。
点击下载。
趁着下载的间隙，楚一航写了一个简单的数据预处理脚本，把图片统一缩放并转化为框架能读懂的张量格式。
下载完成，数据加载完毕。
楚一航深吸了一口气，敲出了运行命令，按下回车。
工作站机箱里的几块顶配AMD显卡风扇，瞬间开始加速旋转，发出低沉的轰鸣声。
屏幕的终端上，开始一行一行地跳出训练进度的提示。
进度条开始缓慢地向前推移。
郭长征和楚一航盯着那个进度条看了足足五分钟。
“一航，这速度，大概要跑多久？”郭长征估算了一下时间。
楚一航看着系统给出的剩余时间预估。
“郭老师，虽然咱们这是最顶配的显卡，算力已经很强了。”
“但咱们这个网络层数不少，哪怕只是几万张图片的子集，跑完这50轮训练，预估也得好几个小时。”
此时，通宵过后的后遗症开始疯狂反扑。
两人都感觉到了那种又累、又困、又饿的虚脱感。
大脑已经开始有点不转了。
楚一航站起身，活动了一下僵硬的关节。
“郭老师，你这也累坏了，再熬下去身体吃不消的。”
“我这房子正好是两居室，咱正好一人一间房。”
楚一航指了指走廊。
“咱们先去休息一下，踏踏实实睡一觉。”
“机器就在这儿自己跑着，等结果出来了咱们再回来看。”
郭长征在脑子里过了一下日期。
今天是周六，周末不用去学校上课，也没有行政会议。
而且，他心里也极度期待，这个折腾了一晚上的全新架构，到底能跑出什么样的结果。
如果不看到最后的结果，他觉得自己就算回家也根本无法安心。
“行，一航，那我就厚着脸皮在你这儿叨扰一下了。”郭长征答应下来。
两人各自进了一间卧室，关上门。
楚一航连衣服都没脱，倒在床上就闭上了眼睛。
但他发现，自己的大脑皮层极度活跃。
一闭上眼，满脑子全是代码、张量、矩阵和各种报错信息。
他翻来覆去地换了好几个姿势，好不容易才迷迷糊糊地陷入了浅睡眠。
大概过了三个多小时。
楚一航猛地睁开眼睛，看了一眼手机上的时间。
上午九点十分。
他觉得自己好像睡了，又好像根本没睡。
那种对实验结果的强烈期待，就像一个小钩子一样，不断地挠着他的神经。
他翻身下床，穿上拖鞋，走出卧室。
刚走到客厅，楚一航就愣住了。
郭长征已经坐在了工作站前面，眼睛死死地盯着屏幕。
“郭老师？”楚一航走过去打了个招呼。
“你这……怎么就睡了这么一会儿？不多休息一下？”
郭长征回过头，眼睛里布满了红血丝，但精神状态却异常亢奋。
“一航，我根本就没睡着。”郭长征指了指自己。
“我在床上躺了两个小时，脑子里全在推演这个模型的结果。”
“因为太期待了，实在躺不住，就起来盯着了。”
楚一航拉开椅子坐下，看向屏幕。
终端上的提示显示，训练已经进行到了最后一轮的最后几分钟。
机箱风扇的转速依旧很高。
两人谁都没有说话，客厅里安静，只有机器的运转声。
终于，进度条走到了100%。
接着，程序开始在验证集上进行最终的测试评估。
几秒钟后，两行关键的评估数据打印在了屏幕上。
TOp-1准确率: 50.23%。
TOp-5准确率: 70.81%。
郭长征愣了几秒，随后猛地从椅子上站了起来。
楚一航也是一脸震惊，直接爆了句粗口：“卧槽！牛逼！”
两人兴奋地在半空中重重地击了个掌。
两声清脆的巴掌声在客厅里回荡。
他们太清楚这两行数字所代表的含金量了。
激动得脸都红了。
在普通人眼里，这只是两个干巴巴的百分比。
但在懂行的科研人员眼里，这就是炸裂的神迹。
所谓的TOp-1准确率达到50%，究竟是个什么概念？
简单来说，随便给这个刚搭好几小时的AI模型扔一张它从来没见过的图片，比如一张猫的照片。
模型经过计算后给出的第一个判定答案，有足足一半的概率，会精准无误地指出这是一只“猫”。
虽然它也有一半的概率会猜成狗或者别的什么东西，但这个首选命中率，在当时的技术背景下已经高得吓人。
而TOp-5准确率高达70%，则更加恐怖。
这意味着，哪怕模型偶尔犯迷糊，没把正确答案排在头名。
只要它给出的前五个最有可能的猜测名单里，比如依次写着“老虎”、“小狗”、“猫”、“狐狸”、“越野车”。
由于“猫”这个正确选项出现在了前五名的列表里，在测试标准中就算它预测成功。
这种极具包容度的准确率，达到了惊人的百分之七十。
两人之所以激动得有些失态，甚至在半夜的客厅里大喊大叫，是因为这个成绩放在当下，完全是不可思议的。
要知道，他们今晚使用的资源极其寒酸。
为了图快，他们根本没有去下载ImageNet那多达一千五百万张图片的完整数据集。
虽然此时没有阳光直射进来，但外面的天色已经明显泛白。
“这……居然快天亮了？”郭长征觉得一阵恍惚。
两人这大半个晚上，连水都没怎么顾得上喝。
完全沉浸在那种发现新大陆的极度亢奋之中，根本没有察觉到时间的流逝。
“效率太高了。”郭长征看着满屏整洁的代码。
“如果按照我以前的计划，把这个复杂的网络架构用底层代码实现，起码得两个月。”
“而现在，一晚上，全搞定了。”
楚一航摸了摸肚子，感觉胃里空空如也，饿得有点难受。
“郭老师，模型搭好了，咱们现在就让它跑起来吧？”
“跑！必须跑！”郭长征此刻也顾不上疲惫。
楚一航打开浏览器，登录了ImageNet的官方网站。
由于完整的数据集高达上千万张图片，庞大，全部下载不仅耗时，楚一航硬盘也装不下。
于是，他们只勾选了其中一个非常小的数据子集，大概几万张图片，涵盖了猫、狗、汽车等常见的十几个分类。
点击下载。
趁着下载的间隙，楚一航写了一个简单的数据预处理脚本，把图片统一缩放并转化为框架能读懂的张量格式。
下载完成，数据加载完毕。
楚一航深吸了一口气，敲出了运行命令，按下回车。
工作站机箱里的几块顶配AMD显卡风扇，瞬间开始加速旋转，发出低沉的轰鸣声。
屏幕的终端上，开始一行一行地跳出训练进度的提示。
进度条开始缓慢地向前推移。
郭长征和楚一航盯着那个进度条看了足足五分钟。
“一航，这速度，大概要跑多久？”郭长征估算了一下时间。
楚一航看着系统给出的剩余时间预估。
“郭老师，虽然咱们这是最顶配的显卡，算力已经很强了。”
“但咱们这个网络层数不少，哪怕只是几万张图片的子集，跑完这50轮训练，预估也得好几个小时。”
此时，通宵过后的后遗症开始疯狂反扑。
两人都感觉到了那种又累、又困、又饿的虚脱感。
大脑已经开始有点不转了。
楚一航站起身，活动了一下僵硬的关节。
“郭老师，你这也累坏了，再熬下去身体吃不消的。”
“我这房子正好是两居室，咱正好一人一间房。”
楚一航指了指走廊。
“咱们先去休息一下，踏踏实实睡一觉。”
“机器就在这儿自己跑着，等结果出来了咱们再回来看。”
郭长征在脑子里过了一下日期。
今天是周六，周末不用去学校上课，也没有行政会议。
而且，他心里也极度期待，这个折腾了一晚上的全新架构，到底能跑出什么样的结果。
如果不看到最后的结果，他觉得自己就算回家也根本无法安心。
“行，一航，那我就厚着脸皮在你这儿叨扰一下了。”郭长征答应下来。
两人各自进了一间卧室，关上门。
楚一航连衣服都没脱，倒在床上就闭上了眼睛。
但他发现，自己的大脑皮层极度活跃。
一闭上眼，满脑子全是代码、张量、矩阵和各种报错信息。
他翻来覆去地换了好几个姿势，好不容易才迷迷糊糊地陷入了浅睡眠。
大概过了三个多小时。
楚一航猛地睁开眼睛，看了一眼手机上的时间。
上午九点十分。
他觉得自己好像睡了，又好像根本没睡。
那种对实验结果的强烈期待，就像一个小钩子一样，不断地挠着他的神经。
他翻身下床，穿上拖鞋，走出卧室。
刚走到客厅，楚一航就愣住了。
郭长征已经坐在了工作站前面，眼睛死死地盯着屏幕。
“郭老师？”楚一航走过去打了个招呼。
“你这……怎么就睡了这么一会儿？不多休息一下？”
郭长征回过头，眼睛里布满了红血丝，但精神状态却异常亢奋。
“一航，我根本就没睡着。”郭长征指了指自己。
“我在床上躺了两个小时，脑子里全在推演这个模型的结果。”
“因为太期待了，实在躺不住，就起来盯着了。”
楚一航拉开椅子坐下，看向屏幕。
终端上的提示显示，训练已经进行到了最后一轮的最后几分钟。
机箱风扇的转速依旧很高。
两人谁都没有说话，客厅里安静，只有机器的运转声。
终于，进度条走到了100%。
接着，程序开始在验证集上进行最终的测试评估。
几秒钟后，两行关键的评估数据打印在了屏幕上。
TOp-1准确率: 50.23%。
TOp-5准确率: 70.81%。
郭长征愣了几秒，随后猛地从椅子上站了起来。
楚一航也是一脸震惊，直接爆了句粗口：“卧槽！牛逼！”
两人兴奋地在半空中重重地击了个掌。
两声清脆的巴掌声在客厅里回荡。
他们太清楚这两行数字所代表的含金量了。
激动得脸都红了。
在普通人眼里，这只是两个干巴巴的百分比。
但在懂行的科研人员眼里，这就是炸裂的神迹。
所谓的TOp-1准确率达到50%，究竟是个什么概念？
简单来说，随便给这个刚搭好几小时的AI模型扔一张它从来没见过的图片，比如一张猫的照片。
模型经过计算后给出的第一个判定答案，有足足一半的概率，会精准无误地指出这是一只“猫”。
虽然它也有一半的概率会猜成狗或者别的什么东西，但这个首选命中率，在当时的技术背景下已经高得吓人。
而TOp-5准确率高达70%，则更加恐怖。
这意味着，哪怕模型偶尔犯迷糊，没把正确答案排在头名。
只要它给出的前五个最有可能的猜测名单里，比如依次写着“老虎”、“小狗”、“猫”、“狐狸”、“越野车”。
由于“猫”这个正确选项出现在了前五名的列表里，在测试标准中就算它预测成功。
这种极具包容度的准确率，达到了惊人的百分之七十。
两人之所以激动得有些失态，甚至在半夜的客厅里大喊大叫，是因为这个成绩放在当下，完全是不可思议的。
要知道，他们今晚使用的资源极其寒酸。
为了图快，他们根本没有去下载ImageNet那多达一千五百万张图片的完整数据集。