第一千九百二十四章 部署算法模型（2/2）

《山沟》这本书就好多了，麦小苗终于不再发问，还不时给书里的内容逗得咯咯直笑，看来颇为喜欢其中的内容。

两人就这样度过了一个晚上，偶尔喝点果干煮米酒，吃点坚果，然后一人看小说，一人看论文，要不是周至催麦小苗去刷牙洗脸，这妞还不想休息。

周至不由得摇头，网络文学后劲大啊……

但是第二天报应就来了，四叶草集团动作很快第一批资源已经到位组网，包括算力与存储空间。

于是情况就来了一个颠倒，麦小苗在部署她带回来的算法进程的时候，周至就变成了昨晚麦小苗听周至科普时候的那个样子。

对于四叶草集团接包的VC进程开发，周至也是管理了的，甚至还参与了一些编写方案的讨论，对于编程，甚至编写工具类进程，他也并不是完全的门外汉，这是周至穿越到这一世以来颇为得意的一点，就是自己上一世的专业不但没有荒废，反而更上了层楼。

但是他上的这层楼和麦小苗脚下起步的台阶相比，相差得也有些远，这不是变成能力上的限制，而是数学理论上的鸿沟。

「设神经元的输入矢量和参数矢量分别为集合A和集合B，这两个集合又可被称为权重，它们之间存在这样一个非线性函数关系，这样的函数关系是输入矢量与参数矢量作用之后，得到了一个输出矢量C，这个C被我们称为激活值，而这个非线性函数则被称为激活函数。」麦小苗倒是讲得十分认真：「这里的A（0）=1是个偏置单元，与线性回归中的零次项一致；」

「激活函数可以用Logioid函数、tanh函数、ReLU函数等，用到激活函数的原因是如果不用的话，那么线性成分的迭加还是线性成分，整个神经网络依然是线性的，无法拟合非线性假设。」

「我们给每个神经元都套上非线性函数，就能够让网络真正的拟活，注意是拟活而不是激活，也就是说，现在我们构造的这个激活函数，其实是通过给线性单元套上非线性函数，用来拟合非常复杂的非线性运算的情况，也就是神经化。」

「于是机器就能够通过深度学习，识别出『莫听穿林打叶声，何妨吟啸且徐行』；『大明湖，明湖大，明湖上面有荷花，荷花上面有蛤蟆，一戳一蹦跶』，孰优孰劣了。」周至也学得十分认真。

「哈哈哈哈……」麦小苗不由得大笑了起来：「后面这首是谁写的？太有意思了……」

「一个军阀，山东王张宗昌，鲁迅先生曾经给他取过一个外号，叫『三不知将军』，即不知道自己有多少兵，不知道自己有多少钱，不知道自己有多少姨太太。」

「哈哈哈……」麦小苗又被逗得忍不住笑了，按着自己的小肚子艰难地想憋笑：「要让机器达到这个水平还有点难，不过帮助我们的图形识别系统寻找匹配的边缘，应该比现在的进程效率……要高一些吧……」

「小苗你不用跟我打埋伏。」周至说道：「能提高多少效率其实我并没有抱多大的希望，就算资源多浪费一倍，效率减缓一倍，我们都可以接受，只要新的算法能够成功就行，因为这是思路的胜利，我们先解决可行不可行的问题，再解决效率提升的问题。」

麦小苗笑了，说回了模型上来：「我们接受输入的第一层为输入层，提供输出的最后一层为输出层，中间所有的层为隐藏层。」

「隐藏层越多、隐藏层神经元越多，神经网络就能拟合更复杂的情况，但是也更难训练。」