第400章 不可逾越的高山（1/2）

江寒在网上搜索了一番，参考了一下同类软件。

最后他决定，采用市场接受度较高的免费下载、试用模式。

超过试用次数和时间后，只要花费58元rmb，购买注册码，就可以终身使用。

在软件保护策略上，江寒毫不犹豫地启动了“坏苹果2代”技术。

经过加密后，“极光ocr”的可执行文件，以及动态链接库等要害部位，堪称坚不可摧。

江寒又用installshieldwizard，制作出一个1g大小的安装包，然后挂到了大江官网上。

技术上的事情，至此全部搞定。

至于其他的事情，全盘委托给老江和夏如冰就好……

江寒想了想，又访问了一下布置在地下机房里的数据服务器。

过了这么多天，他为islvrc2013图像识别挑战赛，打造的深度cnn网络，也终于完成了训练。

江寒将代码中关于训练的部分，暂时全部剔除，然后将验证集数据加载进来，跑了一下。

结果还算不错，top-1项目的识别正确率，达到了62.7%，top-5项目中，更是达到了85.4%的正确率。

所谓top-1，就是对于每张要分类的图片，只允许给出唯一答案，对就对，错就错。

至于top-5，要求就比较宽松了，每张图可以给出5种预测，有一个与标签相同，就算分类正确。

现在这个成绩，已经相当接近去年的冠军算法了。

但江寒怎么可能就此满足呢？

他深入思考了一番，重新编写了预测函数。

这一次，他使用了一个小技巧。

将待分类的图片加载到内存中之后，先进行预处理。

从图片的四个角，以及中间部分，依次进行矩形抠图，这样就得到了5张子图片。

接下来，再对这5张子图片，依次进行镜像操作，子图片的总数就变成了10。

最后再对这10张图片，分别进行预测，再把10个结果的平均值，作为网络的最后输出。

这可以有效地防止程序“发呆”，以得到更接近正确答案的预测。

不出所料，使用了这个技巧后，深度cnn在验证集上的表现，果然改善了不少。

top-1上的正确率，足足提高了2%，在top-5上的正确率，也提高了1.84%。

不过，感觉还有进一步提升的空间。

江寒思考了一下，又对训练集图片的rgb数值，做了pca，也就是主成分分析，并且对主成分做了0.1标准差的高斯扰动。

这样做的目的，是增加一些噪声数据，以提高模型的泛化能力。

处理完庞大的训练集后，就可以让网络重新进行训练了。

安排妥当这件事之后，江寒开始考虑学科等级的事情。

经过几天的奋战，他已经学完了化学、生物两科，在大学本科阶段的全部专业课。

单论理论上的水平，超过了绝大多数相应科目的本科生、甚至硕士研究生。

江寒打开系统ui看了一眼。

学科等级面板上，数学、物理、化学、生物、信息学，这五个学科全都达到了高级。

其中，信息学的经验条已经过半，距离下一个级别不远了。

不过，工程、材料、能源三科，仍然没有任何评级。

江寒思考了一下，决定在网上找一找这三个专业的教材，深入地学习一番。

然而，他很快就发现了一个问题。

所谓的工程，到底是什么工程呢？

生物工程也是工程，电子工程也是工程。

此外还有机械工程、信息工程、采矿工程、石油工程、建筑工程……

不搜不知道，一搜吓一跳，工程学这个总类里，居然足足包括了21个小类，上百个专业！

然后是材料学。

化学材料、生物材料、金属材料、电工材料、材料物理……

也是几乎无所不包！

能源好一些，基本也就是引力能、热能、生物能、化学能、核能……

好吧，既然都是交叉学科，那就交叉着学呗。

江寒上网查找了一下，将所有涉及到这三科的书籍，汇总、整理了一下，列出了一张非常长的书单。

真的很长，足足有上千种书籍。

好在其中大多数，都能下载到pdf或者ebook资源。

江寒将这些文件，全都用极光ocr，转换成了txt加小图片的格式，然后轮流发送到了虚拟空间中，并打印了出来。

也有部分资料，网上根本下载不到，这种情况，就只能邮购实体书了。

江寒在各大网上书店里，一顿狠淘，终于凑全了列表中的所有书籍。

至于花了多少钱，他也没仔细统计，大概估计下，怎么也得几万rmb。

也就是本科阶段的教材并不怎么难买，很多专业性很强的资料也都有中文版。