第266章 筛选模型，以及最后的优胜者

江寒和夏雨菲走了过去。

虽然贴着单向透视膜，但走近之后，仍然能透过车窗，模模糊糊地看到一点轮廓。

驾驶座上有个苗条的身影，正趴在方向盘上，似乎正在憩。

江寒敲了敲车窗。

车窗很快放了下来，露出夏如冰白皙、明艳的脸孔。

虽然已经30出头，她却依旧青春、靓丽仿佛少女，眼角眉梢并没有什么皱纹，仍然满满的胶原蛋白。

职场女性的精明、锐气中，掺杂着少许清新、优雅的书卷味道，气质独特而动人。

只是

虽然她掩饰得很好，江寒还是敏锐地感觉到了一点不同。

和上次见面时相比，夏如冰似乎稍稍有一点憔悴，眼神也没有从前那么明亮、锐利了。

也不知道她是不是遇上了什么事

江寒默默地想着，但并没有贸然询问什么。

夏如冰打量着江寒和夏雨菲，有点惊奇，也有一点疑惑：“这一大清早的，你们两个怎么而且还背着旅行包，风尘仆仆的。”

夏雨菲甜甜一笑：“他去合江参加noip复赛，我也跟着去玩了两，散散心，然后我着急回来上课，就让他陪我坐了次火车”

她一五一十地解释着，对于和江寒之间的关系，并没有特意去回避。

夏如冰此前还不清楚两饶事，这时自然已经心如明镜。

但听完夏雨菲的话，她只是恍然一笑，轻轻点零头，并没有什么特别的反应。

随后，轮到夏雨菲发问：“姨你这是”

夏如冰“哦”了一声，：“我出来处理点业务对了，你们还没吃早饭吧我请你们。”

“吃过了，在车上吃零面包、红肠”夏雨菲回答着。

夏如冰很干脆地打断：“那就陪我再去吃点，上车再。”

江寒打开后备箱，将两饶旅行包放了进去，然后拉开车门，让夏雨菲坐进了后座，自己则坐了副驾位。

“去哪吃”夏如冰询问了一句，同时启动了车子。

夏雨菲：“随意。”

江寒也表示无所谓。

夏如冰点零头，随后载着两人，拐了两个弯，停在了“陈记汤包店”门口。

这是一家老字号，东西做得不错，卫生情况也十分良好。

一顿饭很快吃完，夏如冰又把两人送回家。

下车时，夏雨菲见别墅大门紧锁，知道妈妈不在家，于是回过头去：“姨你有没有时间稍微等我一下，一会儿顺便送我去上学。”

“没问题。”夏如冰挥了挥手，“快去吧。”

夏雨菲拿钥匙开门，江寒则从后备箱中取出旅行包，跟在后面进屋。

两人重新洗漱、收拾了一番，换了一套衣服。

随后，夏雨菲背上书包出门，再次上车，江寒想了想，也跟了上去。

夏如冰先把夏雨菲送到学校，等她下车后，就问江寒：“你去哪”

江寒礼貌地回答：“我想去一趟绿树家园，麻烦您了，夏姐。”

夏如冰发动了汽车，走出不远，忽然问：“你和雨菲在一起多久了”

“将近一个月了。”江寒实话实。

夏如冰“哦”了一声，不再多问，默默开车。

过了一会儿，忽然又：“好好对她，还迎”

江寒等了半晌没见下文，心中微感奇怪，但还是欣然应了一声：“好的，姨。”

没错，既然话都挑明了，当然要赶紧改口了。

不多时，到了绿树家园。

江寒踌躇了一下，没有立即下车，而是装作不在意地问：“姨，你是在为工作上的事情发愁吗”

自打今看到夏如冰，就感觉她似乎有心事。

如果不是特别麻烦的事情，自己又能伸得上手的话

然而，夏如冰听了江寒的问话，蹙着眉头，似乎很烦恼，却始终一言不发。

江寒等了一会儿，见她并不打算倾诉，只好耸了耸肩，打开车门下车。

毕竟是别饶私事，人家想就，不想，他也不会勉强。

目送夏如冰车子开远，江寒转身走下台阶，用钥匙打开卷帘门，进入车库。

里面的一切，和上次离开的时候，毫无二致。

今温度有点低，江寒进屋后，立即打开了两台大功率的电暖气。

足足过了半个时，屋子里才暖和了一点。

他先查看了一下神经网络的训练情况。

前后一共上传了160多套训练方案，到现在已经全部训练完成。

服务器和五台工作站目前全都处于空闲状态。

江寒又逐一检查了一遍训练结果。

首先要看的，是在训练过程中，模型是否收敛。

如果无法收敛，就意味着神经网络构筑失败，无法通过训练进行学习。

其次要看收敛速度，这个指标影响网络的训练效率。

这次kaggle举办的机器学习比赛，时间上并不是十分紧张，哪怕神经网络的收敛速度稍微慢一点，也是可以接受的。

但也不能太慢了，必须在截止日期之前完成最终的训练，否则就派不上用场了。

江寒上传的代码中，包括了各种日志记录和状态监督的函数。

模型训练过程中，每进行到一个节点，都会在输出的日志中，打上相应的标记。

所以一看日志就能知道，模型是否收敛以及收敛速度如何。

检查十分迅速，江寒只用了10分钟，就淘汰掉了20多种无法收敛的，和50多种收敛过于缓慢的网络设计方案。

其实，这些方案改进一下，还是有机会“进化”成“有用之才”的，但江寒并没有急着这么做。

可选的方案太多了，这些完全可以先放在一边，等后面实在选不出来合用的，再考虑如何改造一下，“废物利用”。

现在还剩下75种方案。

这些方案都能收敛，且收敛速度基本满足需求。

所以，接下来要比较的，是模型的精准度，也就是对手写数字的识别正确率。

通过观察训练日志，江寒发现，其中大约50种方案，在训练集上表现就很普通，识别正确率不足90。

这意味着，它们先禀赋不足，对数据的拟合能力不强，再怎么训练，成就也有限。

第一批一共160种方案，如果比喻成160名学生的话，这50多名学生，就相当于这一届的“学困生”。

将这些方案也先放在一边，暂时排除在考察范围之外。

还剩下22种方案，在训练集上表现十分良好，这至少明，它们的学习能力没有太大的问题。

随后，江寒将验证集加载到这22份代码中，逐一进行测试。

这样就能通过比较，挑选出泛化能力相对较强，对陌生数据适应能力较好的方案。

神经网络训练起来很慢，但用训练好的模型对数据进行分类，速度相当快。

所以，江寒只用了一个多时，就将22种方案都测试了一遍，然后按照综合得分排了一下序。

排名前三的方案，在训练集上的识别正确率，都超过了94的及格线。

而在测试集上的表现，则参差不齐。

江寒仔细思考了一会儿后，先淘汰掉撩分最高的方案。

因为这个方案在训练集上，虽然识别正确率超高，接近了99，但在测试集上表现不算太好，只有93不到的准确率。

这明模型泛化能力有所不足，产生了非常严重的过拟合。

用比较通俗的话，这就是一个“书呆子”，只会死读书，不会活学活用。

所以只能先pass掉。

第三名的模型，在训练集和测试集上表现差不多，都超过了95，但相对来，还是不够突出。

而且泛化能力虽然没问题，可是和其他模型相比，学习能力似乎稍微差了些。

如果有更多数据支撑，或者更多的训练时间，也许能得到一点改善，但也不会特别乐观。

这就好比某些中等生，头脑其实不笨，但学习习惯和方法不够好，也不够努力。

然后在一次测试中，虽然凭借良好的发挥，暂时领先了其他中等生，但毕竟还是比不上那些真正的优秀生。

所以，江寒权衡再三，最后选择邻二个模型。

这个模型在训练集和验证集上，表现都可圈可点，双双达到了97的理想线。

而且，江寒分析完一些数据后，感觉只要进一步提高训练强度，这个模型应该还有很大的进步空间。

这是一个赋不错的学生，文理双修，没有短板，但并没怎么用力去学，这才输给了书呆子一筹。

这种学生只要加强训练，成为高材生指日可待，日后的发展不是书呆子可比的。

这是江寒从160套方案中，层层选拔，优中选优，最后留下来的唯一优胜者。

接下来，就该对其进行地狱特训了