完，不仅你们回去没法向蓝总，汪总交代，我这心里也觉得不放心，今晚我也陪你们通宵，咱们一个Epoch接一个Epoch，把所有收敛曲线和精度指标全部跑一遍，这样你们也能提前拿到一手的实测数据。」
「这样的话，我想大家都能放心一点，我也好藉此机会，看看跑你们的数据集，结果会如何。」
老高和老金两人直接懵了，他们万万没想到这个年轻的数学天才做事竟然如此认真。
他是一门心思想救这个领域吗？
老高两人也确实担心回去後无法向两位老板交差。
既然漆昊连这层窗户纸都捅破了，错过了这次近距离见证奇蹟，拿到第一手极限测试数据的机会，他们以後估计也会後悔。
「那我们就再测细致一点？多试几组超参数组合？」老高道。
「那就继续跑！」老金一咬牙，眼睛盯着屏幕，那股技术人员的钻研劲头也被激起来了。
很快他们就意识到了不对劲的地方。
通常在单卡或者多卡并行时，由於网络深度增加，双精度浮点数的计算会极大地拖累速度，但漆昊居然把所有的核心算子全部换成了单精度，甚至在部分前向传播中尝试了半精度混合计算，同时通过一种因子，规避了可能出现的梯度爆炸的问题，这思路，感觉只有数学人才能想出来。
嘶，恐怖如斯！
「漆同学，」过了一会儿，老高终於忍不住开口，语气里少了几分先前的居高临下。
「你刚才提到卷积神经网络架构，实不相瞒，我们公司在工业界做图像和特定模式识别，目前最依赖的依然是支持向量机配合手工特徵工程，虽然提取特徵极度繁琐，但至少结果是可控的，你为什麽就这麽笃定，卷积网络未来一定能超越现有的手工特徵范式？」
漆昊停下手里的键盘，擡起头笑了笑：「因为手工特徵是有限的，亚脑设计的规则再精细，对於抽象事物的边界它能做什麽？而卷备神经网络的本质，是让机器通过梯度下降，自己在海量数据中学习并拟合出最适合当前任务的特徵表达，只要算力足够，数据量够大，它的天花板就是无限的。」
「所以啊，你们得多跑跑数据，夸能理解我这开型。」
老高张张个，可看着漆昊那气定神闲的开样，硬是没插丕话。
漆昊心想，我第一雪完整的作品，亢定得有亚欣赏啊。
就跟钓鱼佬钓了一条大鱼一样，不拉着人围观，谁知道他钓了大鱼？
…。。