江寒在網上搜索了一番，參考了一下同類軟件。
最后他決定，采用市場接受度較高的免費下載、試用模式。
超過試用次數和時間后，只要花費58元RMB，購買注冊碼，就可以終身使用。
在軟件保護策略上，江寒毫不猶豫地啟動了“壞蘋果2代”技術。
經過加密后，“極光OCR”的可執行文件，以及動態鏈接庫等要害部位，堪稱堅不可摧。
江寒又用InstallShieldWizard，制作出一個1G大小的安裝包，然后掛到了大江官網上。
技術上的事情，至此全部搞定。
至于其他的事情，全盤委托給老江和夏如冰就好……
江寒想了想，又訪問了一下布置在地下機房里的數據服務器。
過了這么多天，他為ISLVRC2013圖像識別挑戰賽，打造的深度網絡，也終于完成了訓練。
江寒將代碼中關于訓練的部分，暫時全部剔除，然后將驗證集數據加載進來，跑了一下。
結果還算不錯，top-1項目的識別正確率，達到了62.7%，top-5項目中，更是達到了85.4%的正確率。
所謂top-1，就是對于每張要分類的圖片，只允許給出唯一答案，對就對，錯就錯。
至于top-5，要求就比較寬松了，每張圖可以給出5種預測，有一個與標簽相同，就算分類正確。
現在這個成績，已經相當接近去年的冠軍算法了。
但江寒怎么可能就此滿足呢？
他深入思考了一番，重新編寫了預測函數。
這一次，他使用了一個小技巧。
將待分類的圖片加載到內存中之后，先進行預處理。
從圖片的四個角，以及中間部分，依次進行矩形摳圖，這樣就得到了5張子圖片。
接下來，再對這5張子圖片，依次進行鏡像操作，子圖片的總數就變成了10。
最后再對這10張圖片，分別進行預測，再把10個結果的平均值，作為網絡的最后輸出。
這可以有效地防止程序“發呆”，以得到更接近正確答案的預測。
不出所料，使用了這個技巧后，深度在驗證集上的表現，果然改善了不少。
top-1上的正確率，足足提高了2%，在top-5上的正確率，也提高了1.84%。
不過，感覺還有進一步提升的空間。
江寒思考了一下，又對訓練集圖片的RGB數值，做了PCA，也就是主成分分析，并且對主成分做了0.1標準差的高斯擾動。
這樣做的目的，是增加一些噪聲數據，以提高模型的泛化能力。
處理完龐大的訓練集后，就可以讓網絡重新進行訓練了。
安排妥當這件事之后，江寒開始考慮學科等級的事情。
經過幾天的奮戰，他已經學完了化學、生物兩科，在大學本科階段的全部專業課。
單論理論上的水平，超過了絕大多數相應科目的本科生、甚至碩士研究生。
江寒打開系統UI看了一眼。
學科等級面板上，數學、物理、化學、生物、信息學，這五個學科全都達到了高級。
其中，信息學的經驗條已經過半，距離下一個級別不遠了。
不過，工程、材料、能源三科，仍然沒有任何評級。
江寒思考了一下，決定在網上找一找這三個專業的教材，深入地學習一番。
然而，他很快就發現了一個問題。
所謂的工程，到底是什么工程呢？
生物工程也是工程，電子工程也是工程。
此外還有機械工程、信息工程、采礦工程、石油工程、建筑工程……
不搜不知道，一搜嚇一跳，工程學這個總類里，居然足足包括了21個小類，上百個專業！
然后是材料學。
化學材料、生物材料、金屬材料、電工材料、材料物理……
也是幾乎無所不包！
能源好一些，基本也就是引力能、熱能、生物能、化學能、核能……
好吧，既然都是交叉學科，那就交叉著學唄。
江寒上網查找了一下，將所有涉及到這三科的書籍，匯總、整理了一下，列出了一張非常長的書單。
真的很長，足足有上千種書籍。
好在其中大多數，都能下載到PDF或者Ebook資源。
江寒將這些文件，全都用極光OCR，轉換成了txt加小圖片的格式，然后輪流發送到了虛擬空間中，并打印了出來。
也有部分資料，網上根本下載不到，這種情況，就只能郵購實體書了。
江寒在各大網上書店里，一頓狠淘，終于湊全了列表中的所有書籍。
至于花了多少錢，他也沒仔細統計，大概估計下，怎么也得幾萬RMB。
也就是本科階段的教材并不怎么難買，很多專業性很強的資料也都有中文版。