第14章 万事俱备（2/4）

这个时间点已近临近今年赛事快要开始的时刻，不过阿里克斯本人其实没有计划继续组队参与本次的赛事。

只是哥虽然不在江湖，江湖却到处都是哥的传说。

13年的微软研究院队伍，新加坡国立大学队伍，和贾扬清领衔的Decaf，UC伯克利等队伍，都深受阿里克斯去年思想的影响。

根据阿里克斯介绍的办法，孟繁岐很快调试完成，顺利将批归一化，Adam优化器等操作从自己实验的环境迁移到cuda-convnet框架上，做了一些调整和适配。

没过过久，便已经在CIFAR-10上运行了起来。

接下来便是本次参赛的最核心竞争力，残差网络在这个框架上的实现。

“今年的IMAGENET挑战赛其实没有什么太多的新想法，大家基本上都是以复现阿里克斯的算法为主。”

孟繁岐当然不准备和其他队伍一样，基于阿里克斯的框架去重新实现阿里克斯去年的参赛算法，早期的许多算法在参数量和计算量上都有很大的冗余。

“谷歌的GoogleNet和牛津的VGGNet原本要明年才能研究出来，不过我今年参赛之后，这两个AI历史上的重要网络恐怕就要胎死腹中了吧？”

别说是现在了，截止到14年末，多余的设计仍旧大量存在与谷歌和牛津大学的算法当中。

直到15年，那个男人以残差网络ResNet夺冠ImageNet-2015，铸就了深度学习时代的AI模型的神格。

残差思想是孟繁岐此时此刻的最佳选择，一方面它会成为深度学习时代的里程碑，因为它的核心思想，就是如何把深度网络做得更加‘深’。

另一方面，它的实现和结构简洁，抛弃了大量人类看来很有道理和价值，但实际上其实用处不大的设计。