“嗯。我是。”路舟點了點頭。
這戴著眼鏡略顯清秀的學生說道，“師兄好。我是甄臻。”
她一旁的女生說道，“師兄好，廖文秀。”
“曹文聰。”
路舟，“你們好，面試的話再等等。門外的同學也進來等吧。”
門外的學生一聽，一窩蜂都進門坐到座位上等待。位置是不多，沒座的也只能站著等。
“師兄可以給我們講講之前你下發的題嗎？”甄臻問道。
隨后她又補了一句，“呃，如果面試要涉及就算了。”
路舟拿起考題看了一眼，“也行。隨便講講應該是沒什么問題。”
“這個卷說不上多復雜。首先是先針對神經元進行設計，轉變成數學運算的問題，那需要先給輸入數據增加權重，再之后對結果進行一個偏置，最后則通過一個激活函數來獲得一個最終值。常見的激活函數比如可以使用生物學中常用的sigmoid作為閾值函數。
這就是個簡單的搭建過程。”
路舟停了下來，思考片刻又接著說了下去。
“而在訓練這個網絡之前，我們可以用均方誤差來定義loss值，確定訓練之后的預測結果是否達到要求。均方誤差我就不多講了，應該都懂吧。”
“......”
路舟抬眼看了三人一眼，“那么接下來訓練的優化就集中在了將loss值減小。具體來說就是對上述得到的loss值函數形式進行鏈式求導......”
甄臻忽然就是舉手，“師兄，能不能演算一遍。”
路舟笑了笑，“哪專業的，數學沒學好吧。”
廖文秀，“也不是呢師兄，主要是研究生沒選的人工智能方向，思路還沒打開。”
路舟聽了也不多說，他也只得拿了筆在一張白紙上給三人演示。
“事實上loss會包含我剛提到的權重w和偏置參數。所以我們在調整w時，loss到底是增大還是減小？這就需要我們求一個L/W的偏導數。
這里我們直接鏈式求導，然后根據loss的定義去求出第一個偏導數，再根據神經元定義的h值再次求導，再配合激活函數sigmoid最后得到總的求導公式......”
甄臻，“......”
路舟，“ok，這方法一般被叫做反向傳播。經過這個計算后，我們是可以得出對w變化時，loss函數最終的變化曲線。對于這接下來的問題，我們則可以再用一個隨機梯度下降SGD的優化算法來進行優化。”
廖文秀，“......”
路舟，“SGD主要的作用在于權重和偏置值的調整。首先我們定義一個學習率的常數，它將決定整個神經網絡的訓練速度。這樣，我們再逐步調整權重和偏置的過程中，loss也能夠不斷降低。
最后loss達到了要求，整個流程也就走完了，模型也就出來了。”
曹文聰，“......”
路舟見三人表情有些懵逼，感覺是有些尷尬，“額......”
他抹了一把臉，直接喚醒了一旁的電腦，“好吧，這么說有點虛，我直接給你們寫個代碼樣例。我就直接用python來示范吧，用numpy的模塊。大概呢還是按照我們剛剛的理論基礎，先定義幾個需要用的函數......”
五分鐘后。
“好了。大概就是這樣。”
三人，“......”
這也忒快了點。
甄臻有些膽小地又舉了手，“師兄。博士和研究生差距有這么大嘛？我怎么一點聽不進去......”
路舟聽了就樂了，“別。我就一本科生。陸師兄面前我可不敢造次。”
三人，“？！”