第53章 大功告成

　　不過，在跑代碼之前，還要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。

　　江寒先從報(bào)名信息表中，將性別信息仍然“健在”的行挑出來，只保留序號(hào)、姓名和性別，另存為label.xls。

　　這些記錄一共9527條，大約占三萬多條數(shù)據(jù)總數(shù)的30%。

　　它們對(duì)應(yīng)著9527張真彩色照片。

　　24位真彩色的圖片，每個(gè)像素點(diǎn)在內(nèi)存里，要占用3個(gè)字節(jié)的存儲(chǔ)單元。

　　每張照片有210×120個(gè)像素，這樣讀入一張照片，需要的內(nèi)存空間就是210×120×3=75600個(gè)Byte。

　　9527條數(shù)據(jù)，共需要9527×75600=720241200B≈686.88M≈0.7G！

　　這個(gè)內(nèi)存開銷，還是比較容易接受的。

　　但是，“感知機(jī)”的算法，需要進(jìn)行大量浮點(diǎn)乘法運(yùn)算。

　　對(duì)每個(gè)像素的每個(gè)RGB分量都算一遍？

　　沒那個(gè)必要，也太浪費(fèi)時(shí)間。

　　所以，聰明的做法，是先把照片數(shù)據(jù)“壓縮”一下。

　　江寒給“感知機(jī)”的代碼，添加了一個(gè)LoadData函數(shù)，用來讀取和處理照片數(shù)據(jù)。

　　在這個(gè)函數(shù)里，先定義一個(gè)二維的整形數(shù)組Feature。

　　然后從label.xls中讀出序號(hào)、姓名信息，按照剛才建立的索引表，找到對(duì)應(yīng)的照片文件。

　　下一步，將照片讀取到內(nèi)存中，讀取的同時(shí)，將每個(gè)像素二值化。

　　具體做法是：色彩濃度在閾值以上的像素，取值為1，低于閾值就讓它為0。

　　這樣一來，原本的真彩色照片，就被轉(zhuǎn)換成了黑白輪廓圖。

　　然后，再將輪廓圖中的0或者1的取值，按照從左到右、從上到下的順序，重新編排成一行數(shù)據(jù)，存放到數(shù)組Feature中。

　　Feature中的每一行，都存儲(chǔ)了一張照片的二值化信息。

　　一共9527張照片，就需要9527行。

　　全部照片處理完畢后，就得到了一個(gè)巨大的二維數(shù)組Feature。

　　它有25200列、9527行。

　　接下來，定義一個(gè)擁有9527個(gè)整形元素的一維數(shù)組Label。

　　從label.xls中讀入性別信息，男生設(shè)為1，女生設(shè)為0，存放在數(shù)組Label中。

　　Feature加上對(duì)應(yīng)的Label，就構(gòu)成了訓(xùn)練數(shù)據(jù)集。

　　訓(xùn)練“感知機(jī)”時(shí)，將一行行Feature代入公式中，進(jìn)行加權(quán)和運(yùn)算，其結(jié)果再通過sign函數(shù)，轉(zhuǎn)換為0或1，然后和對(duì)應(yīng)的Label值對(duì)照。

　　如果不相符，就調(diào)整權(quán)重和偏置，然后重新計(jì)算。

　　當(dāng)每一個(gè)Feature代入公式后，都能計(jì)算出正確的Label時(shí)，就得到了一組權(quán)重和偏置。

　　也就是說，構(gòu)建出了一個(gè)可用的數(shù)學(xué)模型。

　　依據(jù)這個(gè)模型，計(jì)算機(jī)就可以讀入任何一張同尺寸、類型的照片，對(duì)其二值化的數(shù)據(jù)代入模型中運(yùn)算，并根據(jù)運(yùn)算結(jié)果判斷分類歸屬。

　　這就是典型的機(jī)器學(xué)習(xí)過程，計(jì)算機(jī)從數(shù)據(jù)中自己“學(xué)”到了某種規(guī)律。

　　即使這種規(guī)律，人類并不一定完全理解，也不見得能用數(shù)學(xué)語言解釋清楚……

　　剩下的就比較簡單了。

　　接下來，江寒又添加了幾個(gè)函數(shù)，用來輸出運(yùn)算結(jié)果、觀察運(yùn)行情況等。

　　最后，從頭調(diào)試了一遍，確認(rèn)沒啥bug后，將代碼重新編譯，然后運(yùn)行了起來。

　　屏幕上有一些數(shù)字，表示當(dāng)前正在處理的數(shù)據(jù)，和訓(xùn)練進(jìn)度的百分比。

　　十分鐘后，后一個(gè)數(shù)字才剛剛達(dá)到1.3%。

　　這表示，完整訓(xùn)練一遍，大約需要13個(gè)小時(shí)……

　　之所以這么慢，主要是江寒的程序，比較追求穩(wěn)定性，以及調(diào)試的方便、快捷，并沒特別講究執(zhí)行效率。

　　當(dāng)然，即使他用心優(yōu)化，估計(jì)也需要8個(gè)小時(shí)以上，才能完成訓(xùn)練。

　　雖然有點(diǎn)慢，但其實(shí)沒什么關(guān)系，訓(xùn)練過程并不需要人工干預(yù)，掛機(jī)等著就行。

　　第二天早晨，江寒起床后，先看了下訓(xùn)練進(jìn)度，還差了大約13%才能完成，就先去班級(jí)上課。

　　中午吃完飯回來，訓(xùn)練終于結(jié)束了。

　　而存放權(quán)重和偏置參數(shù)的Weight數(shù)組，也以內(nèi)存映像的方式，保存在了一個(gè)二進(jìn)制文件中。

　　接下來就簡單了。

　　重建一個(gè)一模一樣的感知機(jī)模型，加載上這個(gè)權(quán)重文件，就可以用它來判斷剩余照片的性別了。

　　江寒重新改寫代碼，然后運(yùn)行。

　　這次十分迅速，只用了不到20分鐘，就將兩萬一千來張照片，全部處理完畢。

　　這就是“感知機(jī)”，或者說“人工神經(jīng)網(wǎng)絡(luò)”的特點(diǎn)。

　　訓(xùn)練起來特別耗時(shí)，一旦訓(xùn)練完成，工作起來非常快捷。

　　至于正確率，江寒初步估計(jì)，大大超過99%，21000條未經(jīng)訓(xùn)練的數(shù)據(jù)里，判斷出錯(cuò)的，絕不超過10人。

　　比人類肉眼的識(shí)別率低不到哪里去。

　　事實(shí)上，“感知機(jī)”或者說“人工神經(jīng)網(wǎng)絡(luò)”的錯(cuò)誤率，跟訓(xùn)練數(shù)據(jù)、測試數(shù)據(jù)的質(zhì)量有很大關(guān)系。

　　如果比較規(guī)范，達(dá)到100%的識(shí)別率都不算稀奇。

　　可惜實(shí)際運(yùn)用中，總有個(gè)別實(shí)例，奇葩得超乎想象。

　　有的時(shí)候，人類都幾乎無法識(shí)別！

　　根據(jù)老高的說法，這區(qū)區(qū)幾個(gè)錯(cuò)誤的，可以在把名單下達(dá)到各校后，根據(jù)反饋修改一下就行。

　　如果沒有這個(gè)托底，就沒法使用“感知機(jī)”，因?yàn)闆]辦法判斷，哪些人被誤分類了……

　　得到了全部照片的性別數(shù)據(jù)后，江寒將其粘貼到了《報(bào)名信息表》中。

　　大功告成后，江寒沒急著找高老師復(fù)命。

　　這么快就搞定，老高肯定會(huì)十分震驚，然后追問前因后果。

　　“感知機(jī)”解釋起來太費(fèi)勁，而且也沒那么高大上，還用不著見人就推銷。

　　關(guān)鍵老高一個(gè)人貢獻(xiàn)的那點(diǎn)震驚值，江寒現(xiàn)在已經(jīng)有點(diǎn)看不上眼了。

　　休息了一會(huì)兒后，江寒就拿著《noip通關(guān)寶典》，回班級(jí)繼續(xù)刷題。

　　※※※※※

　　“杠上開”是一個(gè)營銷號(hào)主。

　　什么是營銷號(hào)？

　　百科上說，一般是指組織機(jī)構(gòu)或者個(gè)人對(duì)外宣傳散發(fā)信息所用的賬號(hào)，具有目的性，一般是用來宣傳產(chǎn)品或服務(wù)的。

　　狹義上說，就是純粹以賺錢為目的，專門在各大視頻站上傳垃圾內(nèi)容的人。

　　內(nèi)容粗制濫造？那是基本操作；

　　虛假宣傳和科普？那是日常作業(yè)；

　　動(dòng)不動(dòng)危言聳聽、各種震驚？這根本就不算事兒。

　　沒事兒當(dāng)當(dāng)水軍，引導(dǎo)引導(dǎo)輿論，才是他們的主要業(yè)務(wù)。

　　反正很多事情，很多人既不了解，也不具備判別能力，還不是哪邊人多信哪邊……

　　你說網(wǎng)友們義憤填膺？

　　上面都不管，網(wǎng)友算老幾，錢到手才是真的。

　　為什么網(wǎng)站不整治？

　　一個(gè)是很難區(qū)分，容易誤傷正常的up主；

　　再一個(gè)，網(wǎng)站跟流量什么仇、什么怨……

　　“杠上開”就是這樣一個(gè)營銷號(hào)，每天出沒于各個(gè)視頻站，P站算是他最重要的基本盤。

　　他最常做的，就是接受客戶的委托，然后不擇手段地完成任務(wù)。

　　視頻網(wǎng)站給的那點(diǎn)補(bǔ)貼，他根本沒放在眼里，客戶的賞金才是大頭。

　　今天，他做完“作業(yè)”，上傳完幾個(gè)視頻，然后隨便在P站逛了一會(huì)兒。

　　忽然，一個(gè)點(diǎn)擊、投幣超高的視頻，躍入了眼簾。

　　本月熱門？

　　“杠上開”來了點(diǎn)興趣。

　　仔細(xì)一看標(biāo)題，頓時(shí)有點(diǎn)無語。

　　《舊光驅(qū)改造寫字機(jī)器人》……真夠夸張的，你怎么不改造成航母呢？

　　不過，好奇之下，他還是點(diǎn)開了視頻，看了一眼。

　　結(jié)果，一看之下，他瞬間就驚呆了。

　　臥槽，還真是個(gè)高手，這動(dòng)手能力有點(diǎn)逆天了。

　　本著一個(gè)營銷號(hào)的職業(yè)精神，“杠上開”感到了一種久違的使命感。

　　必須做點(diǎn)什么。

　　沒錯(cuò)，這么有創(chuàng)意的視頻，不盜上一把，他簡直渾身藍(lán)瘦！

　　不過，簡單的重發(fā)是不行的，網(wǎng)站的審核員職位，也不是白設(shè)置的。

　　所以，還需要用點(diǎn)技巧，稍微加工、處理一下……