第634章 给学术圈一点小小的北邮震撼(2/3)

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征分布底细。” 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征，比如轮廓、纹理、色彩组合。 这种通用的特征提取能力，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。 一旦它把图片分类成了比赛规定的一千个类别之外的选项，按照赛制就会被判定为错误。 它还需要时间去针对这一千个特定的类别重新训练，才能做到精准得分。 楚一航没管那么多，直接在终端里输入调用TensorFlow框架的命令。 回车键敲下。 隔壁机房的散热风扇转速瞬间飙升，噪音穿透了玻璃门。 屏幕上开始滚动运行日志。 钟柏盯着显存占用率的监控面板。 “集群的显存占用直接拉满了。” “九章平台对AMD显卡的调度策略真够暴力的。” 叶言看着进度条。 “处理五万张图片，传统算法少说得跑个两三天。” “我看这进度，估计一顿饭的功夫就能出结果。” 楚一航往后靠在椅背上。 “这就叫算力碾压。” 十分钟过去。 终端屏幕上的滚动日志停了下来。 最后一行输出了一串统计数据。 钟柏揉了揉眼睛，指着屏幕上的数字。 “我是不是看花眼了？” 叶言凑过去，一个字符一个字符地念出来。 “Top-1准确率：40.2%。” “Top-5准确率：80.5%。” 楚一航保持着靠在椅背上的姿势，摸下巴的手停住了。 郭长征立刻推开钟柏，自己握住鼠标，点开测试代码的日志文件。
本章还未完，请点击下一页继续阅读>>>