第9章 训练（2/2）

“单纯堆数据，边际效应递减了，看来方向不对。”汤小鸥看著数据，眉头紧锁。

“要不试试传统算法和深度学习结合？”汤小鸥提议，

“用传统算法做对齐，用深度学习提特徵？”

“试！”顾书瑶觉得这也是一个办法。

又是几天的折腾，失败。

效果甚至还不如纯深度学习。

“再加数据？”徐力咬著牙提议，“加到100万张！我就不信餵不饱它！”

“来不及了。”顾书瑶摇摇头，看了一眼日历，

“投资人希望三个月看到阶段性成果。收集100万张照片至少要半年，我们等不起。”

会议室里再次陷入了死寂。

这一次，连汤小鸥也没辙了。

学术界目前最先进的方法都在这儿了，还能怎么办？

陈阳看著大家垂头丧气的样子，知道火候到了。

挫折教育已经足够，现在是时候注入信心了。

“大家是不是走进了一个误区？”

陈阳的声音突然响起，清朗有力，瞬间吸引了所有人的目光。

他站起身，走到白板前，画了一张人脸的简笔画。

“我们现在是把整张脸丟进去，让模型自己去学。但是，人脸是复杂的。”

陈阳用笔在人脸的眼睛、鼻子、嘴巴上分別画了圈。

“如果我是警察抓小偷，我不仅会看他的脸型，还会特意看他的眼睛大不大，鼻子挺不挺，嘴唇厚不厚。”

陈阳转过身，看著汤小鸥和徐力，拋出了那个关键的提示：

“我们为什么不把人脸切开呢？”

“切开？”徐力一愣。

“对。”陈阳在白板上画了几个方框，

“全脸是一个输入。眼睛区域是一个输入，鼻子是一个，嘴巴是一个。甚至，我们可以在不同的尺度上切，有的切大点，有的切小点。”

“每一个区域，我们都训练一个独立的模型去识別特徵。”

陈阳在画板上重重一笔，將所有方框连向一个终点，

“最后，我们將这些所有模型提取出来的特徵，拼接在一起。”

“这就是：联合决策。”

轰！就像是一道闪电划过夜空。

汤小鸥猛地站了起来，眼睛死死盯著白板上的图，嘴里喃喃自语：

“局部特徵、多尺度、模型融合。对啊！我怎么没想到！这样能强迫模型关注细节，让同一个人的向量更聚合，不同人的向量拉得更开！”

“这能极大提升泛化能力！”徐力也激动得跳了起来：“陈总，这招太绝了！”

“可是。”

顾书瑶作为工程负责人，第一时间想到了代价，“如果把人脸切成几十块，每一块都用一个网络，那计算量。”

“这就是暴力美学。”

汤小欧教授笑了：“我们现在缺算法，缺数据，但就是不缺暴力的决心。一个模型不行，我们就上十个；十个不行，就上六十个！”

“把人脸切成10个区域，每个区域在rgb和灰度图上各训练3个网络。一共60个卷积神经网络！”

“我要用这60个模型，像60个拿著放大镜的侦探一样，把人脸的每一个毛孔都看清楚！”

“60个模型。”大家被这个疯狂的数字震住了。

在2013年，训练一个深层网络已经是大工程，同时跑60个？这简直是疯子的想法。

但正是这种疯狂，让在场的每一个人都热血沸腾起来。

“就这么干！这才是ai该有的样子！大力出奇蹟！”

汤小鸥一拍桌子，眼中闪烁著赌徒般的狂热。

“书瑶，调动所有伺服器资源！不够在继续买。”

“徐力，杨樊，你们负责切图和网络结构设计！”

“今晚不睡了，我们要搞个大新闻！”

整个研发中心瞬间沸腾了。

原本沉闷的气氛一扫而空，取而代之的是一种决战前的亢奋。

代码飞快地在屏幕上滚动。

人脸图片被切割成眼睛、鼻子、嘴巴等各种碎片。

60个独立的神经网络像60头飢饿的野兽，被塞进了有限的显存里。

陈阳站在后方，看著这一幕。

他知道，这就是著名的deepid算法的核心思想。

虽然现在超算中心还没建好，训练这60个模型会非常痛苦，可能需要轮流跑。

但只要这条路是对的，胜利只是时间问题。

屏幕上，新的训练任务已经启动。

进度条再次开始缓慢爬升。

这一次，所有人的心里充满了期待。