江寒掛了電話，沉吟不語。

老江關切地問：“沒談妥嗎？”

江寒搖了搖頭，嘆了口氣：“談下來一半。”

“一半？”

江寒點了點頭：“大江入駐高新區，問題不是太大，只是時間上……最快也得排到下半年了。”

周市長雖然對自己印象很好，但在原則問題上，一點也不肯鬆動。

這就沒辦法了。

江寒和老江研究了一下，最後還是決定出去租寫字樓。

但說實話，就算找得到理想的地方，只怕一時半會兒之間，也很難辦妥，更要多掏不少錢。

正說話間，夏如冰來上班了。

不知不覺之中，她已經恢復了原本的明豔，精神狀態更是十分良好。

一見面，夏如冰就笑吟吟地打招呼：“老闆早，江總早！”

江寒灑然一笑：“早！”

老江也儒雅地點頭：“夏總早。”

江寒打量了夏如冰一眼，忍不住旁敲側擊了一句：“小姨啊，看您的氣色，這幾天好像心情挺不錯？”

夏如冰嫣然巧笑：“是啊，閒了這麼久，總算有點事做，當然開心了。”

江寒：“……”

這麼敬業的嗎？

但他關心的，其實是她和老易倆人，到底有沒有和好……

“剛纔你們兩個，一本正經的，到底在研究什麼？”夏如冰問。

江寒將打算租樓的事情，跟夏如冰說了。

夏如冰明媚一笑：“這事兒好辦啊，盛夏這棟樓裏，不是還剩不少地方嗎？反正這麼多地方，他們也用不了，稍微挪動一下，騰出一層、半層樓，問題應該不大。”

江寒無語一秒：“這樣不太好吧？”

夏如虹能給自己兩件辦公室，加地下的機房，已經很難得了。

如果再得寸進尺的話……

夏如冰笑了笑：“這樣吧，我打個電話問問，如果盛夏那邊不方便，咱們再另外想轍兒。”

江寒考慮了一下，點了點頭：“也行，不過……別讓夏阿姨爲難。”

“那當然。”

夏如虹答應了一聲，又說：“老闆，一會兒會有不少人來應聘，你要不要把把關？”

江寒灑然一笑：“好！不過我只負責技術人員，其他的職位，還要你和老江自己決定。”

距離面試開始，還有一個多小時。

江寒想了想，來到了隔壁。

這個實驗室佈置好之後，一直沒怎麼用，今天正好試試機、找找感覺。

這裏配備了兩臺相當先進的電腦，和地下機房裏的服務器直連，通過這兩臺終端，就可以方便地操作服務器。

前天，江寒爲了製作OCR軟件，批量打造了上千個人工神經網絡。

其中絕大多數，都擁有一模一樣的網絡結構，只是引入的訓練數據不同。

這樣訓練出來的模型，也就只有權重參數上的區別……

經過兩天的訓練，這些網絡已經完全訓練完畢。

江寒將這些網絡，組合到了一起，再套上一層事先準備好的，用vc--編寫的簡易UI。

很快，OCR軟件就初步成型，可以投入使用了。

江寒思考了一下，命名爲“極光OCR”。

至於這個名字的含義……其實他沒想那麼多，就是覺得挺順口的。

然後，他又將源代碼和可執行文件，全都用U盤拷貝下來，帶走。

這樣晚上回家後，就可以正式啓動那個計劃，在虛擬空間裏暢快地學習了……

隨後，江寒進入了虛擬空間。

他爲ImageNet比賽編寫的代碼，還有相關的論文草稿，就保存在286電腦中。

江寒很快將這些東西，發送到了外面的電腦中。

然後又打開手機，把昨晚下載的訓練數據、校驗數據，也傳送給這臺終端電腦。

程序有了，數據也有了。

江寒又進行了一番算不上辛苦的調試，深度卷積神經網絡終於基本成型。

但在開始訓練之前，還有一點工作要做。

這個深度CNN，所擁有的參數實在太多了，哪怕原始數據有足足12萬多條，也很很容易發生過擬合。

所以，爲了提升泛化能力，有必要做一下數據增廣。

數據增廣的方案有許多。

江寒思考了一下，選擇了一種新方案。

原始圖像是256×256的分辨率。

江寒設計了一個程序，從中隨機扣出來224×224大小的區域。

每張原始圖像，都有（256-224）^2=1024種不同的扣法，這樣一來，就相當於將原始數據增廣了1024倍！

接下來，他又將得到的圖像，全都水平鏡像一次，就得到了等於原始數據2048倍的超大數據集合。

增廣完數據，江寒還覺得不夠保險，爲了進一步提高算法的效能，他決定對網絡中用到的超參數，進行一些優化。

以前他也做過人工神經網絡超參數的優化，但那時採用的手段，主要是手動修改超參數，然後人工分析、比對。

看修改了某個超參數後，網絡的表現是上升了還是下降了，從而找出較爲優秀的模型。

不用說，這種做法最大的缺陷，就是效率實在太低。

江寒在這次的比賽中，決定使用一種新技術。

這是他前一陣子，煞費苦心設計出來的方案，代碼複雜度令人髮指。

好在他的腦子夠好用，在消耗了大量心血，吃掉了無數冰島紅極參之後，終於是開發成功了。

功能很簡單，就是自動對超參數進行搜索、優化，以找到結構更合理、性能更好的人工神經網絡。

江寒爲這門技術取名ASSP（Auto search for super parameters）。

當然，其實就是“搜索超參數”的英文直譯……

ASSP的原理很簡單，就是包裝在人工神經網絡模板外層的一個“殼”。

通過一個調度函數，在訓練神經網絡之前，先按照事先確定的規則，微調某些超參數。

每當完成一輪訓練，還會按照既定的規則，從各個方面進行評分。

比如，在梯度下降的過程中，模型是否收斂、收斂速度如何？

不能收斂的網絡，根本無法訓練，也就毫無價值，如果收斂速度過慢，訓練起來也會缺少效率。

此外，網絡模型在驗證集中的表現，泛化能力、識別準確度、網絡的穩健性……

最後，將每次訓練完成後，人工神經網絡的綜合得分，從高到低排一下序。

江寒通過最後生成的表格，就可以選取合適的超參數組合了。

爲了讓這個超參數搜索程序，獲得更高的工作效率，需要先指定超參數的搜索範圍。

範圍太大的話，會導致搜索時間過長，可能會等不及出結果；如果範圍太小，又很可能找不到合格的超參數取值。

這個搜索範圍，可以看做SFSP的超參數，只能憑經驗設定。

好在江寒已經訓練過許多次人工神經網絡，有着十分充足的經驗。

他將ASSP和深度CNN的代碼融合之後，連同訓練數據、驗證數據，全都上傳到了地下數據處理中心的服務器裏。

差不多兩天之後，ASSP就能得到初步的成果。

至於整個CNN網絡的訓練，那可就有得等了。

原始數據是12萬多條，增廣到2048倍之後，就是2億4千5百萬餘條數據！

數據量實在太龐大了，即使使用了GPU來提速，至少也需要5~7天，才能完成初步的訓練。

江寒讓程序跑起來之後，就走出了實驗室。

打算回到遊戲工作室裏，休息一下，然後去主持面試。

剛喝了兩口水，手機忽然響了起來。

來電是夏如虹的，江寒連忙接了起來，叫了聲：“阿姨。”

“你在哪了？”夏如虹聲音溫婉。

“17樓辦公室。”江寒回答。

夏如虹打這個電話，主要是討論寫字機器人的銷量和分成。

寫字機器人上市的時候，已經接近年底，所以截止2012年12月31日，只賣出了30多萬臺。

按照當初的約定，江寒將獲得3.5%銷售額的分成。

機器人的出廠價是每臺558元，3.5%就是每臺19.53元，30萬臺……

江寒隨便心算了一下，就得出了答案：580多萬。

這就比較讓人愉快了。

有了這筆錢，星空那邊的錢，暫時就不急着動用了。

這樣也能避免不少匯兌、稅費之類的損失……