大約二十分鐘后，江寒忽然看到了一則消息。
ISLVRC2013已經開始接受報名，并開放了數據下載端口。
江寒不由得精神一振，總算等到了！
ISLVRC，全稱ImageLargeScaleVisualReitionChallenge，中文名稱“大規模視覺識別挑戰”。
但其實，就是個圖片分類比賽……
ISLVRC使用了Image的一個子集。
Image是一個相當龐大的圖像識別數據庫，由斯坦福大學模擬人類的識別系統建立。
有超過1400萬的圖像，以及相應的標簽，共包含2萬多個類別，一個典型的類別中，往往包含數百個圖像。
這次的比賽中，Image提供的訓練集，共包括12萬多張圖片，以及對應的標簽。
驗證集則是50000張圖片和標簽。
至于最終挑戰的測試集，則包含了10萬條數據，分屬于1000個不同的類別。
這么大規模的數據集，制作起來成本高昂得驚人，全世界也沒有幾個。
對于研究機器學習的人來說，這個比賽可是不容錯過的。
江寒馬上就報了名，并利用會館的WIFI，開始下載數據集。
只是，手頭并沒有電腦，怎么進行編程呢？
江寒沉吟了一下，馬上進入了虛擬空間。
這里可是有一臺隨時可以使用的286。
雖然型號特別原始，性能落后了點，也不能調試、編譯神經網絡。
不過，自己完全可以用文本的方式，先把代碼敲進去，保存好。
明天再找個時間，發送到真實電腦上，調試、修改、編譯，然后上傳到服務器上訓練……
此外，這樣做還有一個莫大的好處，那就是可以節省大量的時間。
畢竟在這里工作100個小時，外面只過去大約1個小時……
江寒思考了一會兒，很快就有了大概的思路。
首先，既然是圖像識別，那么最適合的模型，自然是卷積神經網絡了。
以為基礎，打造一個深度學習網絡，再進行一番優化，結合一些小技巧，大概率能取得極其優秀的成果。
江寒設想了一個多達十幾層的卷積神經網絡。
首先是輸入層。
輸入的圖像數據，是n×n×3的RGB彩色圖像，所以這一層的數據格式，可以定義為一個三維數組。
接下來是卷積層。
對于卷積神經網絡來說，這自然是重中之重。
江寒花費了很大的心血，終于設計出一個全新的結構。
通過反復地卷積、池化和標準化，一步步提取圖像的特征……
經過前面這些步驟，需要處理的神經元個數，和輸入層相比，已經減少了很多。
接下來，就可以把數據送進全連接層，用softmax函數進行分類了。
最后還要有個輸出層，對應1000種分類標簽……
確定了大體思路之后，江寒又設計了一下網絡的具體結構。
比如，應該有幾層卷積層，每一層如何實現……
一般的神經網絡里，激活函數主要使用Sigmoid和Tanh（雙曲正切）函數。
但這兩個函數……