第三中文网

第45章 变化来的太快（第2页）

也就是说，后续其他人可以在此基础上将其应用到Python之外的编程语言。

在用上这个数学运算库后，运算速率直线上升。

在GTX680满负荷的情况下，跑一次训练的时间只需要5秒钟。

而CPU50%负荷的情况下，跑一次训练需要1分钟。

这简直就是质的飞跃。

这让齐凡进行一次完整的万次训练只需将近14个小时，而原先则需要将近7天。

四天后，在经过完整的6轮迭代后。

第一稿具备自学习能力的目标检测和识别模型诞生了。

（）;（）　　齐凡将其命名为：XCNN_DT_1.0。

XCNN_DT_1.0支持使用者传入自定义的标注数据，支持二次训练，可用于各类特定的符号识别场景。

也就是说：这并非是专用于识别某一类符号的，而是可以用来识别各种符号。

不管是数字、标点，还是英文，甚至是某个大聪明自己发明的什么字符。

XCNN_DT_1.0都可以识别。

XCNN_DT_1.0可以识别它没见过的字符，其原理是它的自学习功能。

当然它的自学习功能也没神奇到什么都不用做，就能完全自主学习。

它还是需要有人告诉它每个符号的意义。

比如：这个符号是“0”

，那个符号是“1”

。

只要告诉XCNN_DT_1.0每个符号的意义，剩下的就是训练，在训练跑完之后。

它就能完成识别。

一句话：它可以识别它见过的所有符号。

当然，由于汉字比较复杂。

它目前对汉字的支持度还不高。

齐凡另外创建了第三个项目，项目名称就是：XCNN。

他在项目介绍中仔细阐述了XCNN的设计思路，以及优缺点。

并且开源了所有的代码。

为了给粉丝们一个交代，齐凡将XCNN描述为：自己在开发去除马赛克2.0版本时的神来之笔，是副产物。

其实，他之前声称开发去除马赛克2.0版本只是个借口，为的就是拿到英威达的完整底层库。

要让去除马赛克也能获得自学习能力，这是一个大工程，只能留待日后慢慢去开发了。

齐凡发布XCNN的当天，这项目就上了github的头版头条。

因为这是一场革命，一场机器视觉领域的革命。

在此之前。