不過，在跑代碼之前，還要對數據進行預處理。

江寒先從報名信息表中，將性別信息仍然“健在”的行挑出來，只保留序號、姓名和性別，另存爲label.xls。

這些記錄一共9527條，大約佔三萬多條數據總數的30%。

它們對應著9527張真彩色照片。

24位真彩色的圖片，每個像素點在內存裡，要佔用3個字節的存儲單元。

每張照片有210×120個像素，這樣讀入一張照片，需要的內存空間就是210×120×3=75600個Byte。

9527條數據，共需要9527×75600=720241200B≈686.88M≈0.7G！

這個內存開銷，還是比較容易接受的。

但是，“感知機”的算法，需要進行大量浮點乘法運算。

對每個像素的每個RGB分量都算一遍？

沒那個必要，也太浪費時間。

所以，聰明的做法，是先把照片數據“壓縮”一下。

江寒給“感知機”的代碼，添加了一個LoadData函數，用來讀取和處理照片數據。

在這個函數裡，先定義一個二維的整形數組Feature。

然後從label.xls中讀出序號、姓名信息，按照剛纔建立的索引表，找到對應的照片文件。

下一步，將照片讀取到內存中，讀取的同時，將每個像素二值化。

具體做法是：色彩濃度在閾值以上的像素，取值爲1，低於閾值就讓它爲0。

這樣一來，原本的真彩色照片，就被轉換成了黑白輪廓圖。

然後，再將輪廓圖中的0或者1的取值，按照從左到右、從上到下的順序，重新編排成一行數據，存放到數組Feature中。

Feature中的每一行，都存儲了一張照片的二值化信息。

一共9527張照片，就需要9527行。

全部照片處理完畢後，就得到了一個巨大的二維數組Feature。

它有25200列、9527行。

接下來，定義一個擁有9527個整形元素的一維數組Label。

從label.xls中讀入性別信息，男生設爲1，女生設爲0，存放在數組Label中。

Feature加上對應的Label，就構成了訓練數據集。

訓練“感知機”時，將一行行Feature代入公式中，進行加權和運算，其結果再通過sign函數，轉換爲0或1，然後和對應的Label值對照。

如果不相符，就調整權重和偏置，然後重新計算。

當每一個Feature代入公式後，都能計算出正確的Label時，就得到了一組權重和偏置。

也就是說，構建出了一個可用的數學模型。

依據這個模型，計算機就可以讀入任何一張同尺寸、類型的照片，對其二值化的數據代入模型中運算，並根據運算結果判斷分類歸屬。

這就是典型的機器學習過程，計算機從數據中自己“學”到了某種規律。

即使這種規律，人類並不一定完全理解，也不見得能用數學語言解釋清楚……

剩下的就比較簡單了。

接下來，江寒又添加了幾個函數，用來輸出運算結果、觀察運行情況等。

最後，從頭調試了一遍，確認沒啥bug後，將代碼重新編譯，然後運行了起來。

屏幕上有一些數字，表示當前正在處理的數據，和訓練進度的百分比。

十分鐘後，後一個數字纔剛剛達到1.3%。

這表示，完整訓練一遍，大約需要13個小時……

之所以這麼慢，主要是江寒的程序，比較追求穩定性，以及調試的方便、快捷，並沒特別講究執行效率。

當然，即使他用心優化，估計也需要8個小時以上，才能完成訓練。

雖然有點慢，但其實沒什麼關係，訓練過程並不需要人工干預，掛機等著就行。

第二天早晨，江寒起牀後，先看了下訓練進度，還差了大約13%才能完成，就先去班級上課。

中午吃完飯回來，訓練終於結束了。

而存放權重和偏置參數的Weight數組，也以內存映像的方式，保存在了一個二進制文件中。

接下來就簡單了。

重建一個一模一樣的感知機模型，加載上這個權重文件，就可以用它來判斷剩餘照片的性別了。

江寒重新改寫代碼，然後運行。

這次十分迅速，只用了不到20分鐘，就將兩萬一千來張照片，全部處理完畢。

這就是“感知機”，或者說“人工神經網絡”的特點。

訓練起來特別耗時，一旦訓練完成，工作起來非常快捷。

至於正確率，江寒初步估計，大大超過99%，21000條未經訓練的數據裡，判斷出錯的，絕不超過10人。

比人類肉眼的識別率低不到哪裡去。

事實上，“感知機”或者說“人工神經網絡”的錯誤率，跟訓練數據、測試數據的質量有很大關係。

如果比較規範，達到100%的識別率都不算稀奇。

可惜實際運用中，總有個別實例，奇葩得超乎想象。

有的時候，人類都幾乎無法識別！

根據老高的說法，這區區幾個錯誤的，可以在把名單下達到各校後，根據反饋修改一下就行。

如果沒有這個託底，就沒法使用“感知機”，因爲沒辦法判斷，哪些人被誤分類了……

得到了全部照片的性別數據後，江寒將其粘貼到了《報名信息表》中。

大功告成後，江寒沒急著找高老師覆命。

這麼快就搞定，老高肯定會十分震驚，然後追問前因後果。

“感知機”解釋起來太費勁，而且也沒那麼高大上，還用不著見人就推銷。

關鍵老高一個人貢獻的那點震驚值，江寒現在已經有點看不上眼了。

休息了一會兒後，江寒就拿著《noip通關寶典》，回班級繼續刷題。

※※※※※

“槓上開”是一個營銷號主。

什麼是營銷號？

百科上說，一般是指組織機構或者個人對外宣傳散發信息所用的賬號，具有目的性，一般是用來宣傳產品或服務的。

狹義上說，就是純粹以賺錢爲目的，專門在各大視頻站上傳垃圾內容的人。

內容粗製濫造？那是基本操作；

虛假宣傳和科普？那是日常作業；

動不動危言聳聽、各種震驚？這根本就不算事兒。

沒事兒噹噹水軍，引導引導輿論，纔是他們的主要業務。

反正很多事情，很多人既不瞭解，也不具備判別能力，還不是哪邊人多信哪邊……

你說網友們義憤填膺？

上面都不管，網友算老幾，錢到手纔是真的。

爲什麼網站不整治？

一個是很難區分，容易誤傷正常的up主；

再一個，網站跟流量什麼仇、什麼怨……

“槓上開”就是這樣一個營銷號，每天出沒於各個視頻站，P站算是他最重要的基本盤。

他最常做的，就是接受客戶的委託，然後不擇手段地完成任務。

視頻網站給的那點補貼，他根本沒放在眼裡，客戶的賞金纔是大頭。

今天，他做完“作業”，上傳完幾個視頻，然後隨便在P站逛了一會兒。

忽然，一個點擊、投幣超高的視頻，躍入了眼簾。

本月熱門？

“槓上開”來了點興趣。

仔細一看標題，頓時有點無語。

《舊光驅改造寫字機器人》……真夠誇張的，你怎麼不改造成航母呢？

不過，好奇之下，他還是點開了視頻，看了一眼。

結果，一看之下，他瞬間就驚呆了。

臥槽，還真是個高手，這動手能力有點逆天了。

本著一個營銷號的職業精神，“槓上開”感到了一種久違的使命感。

必須做點什麼。

沒錯，這麼有創意的視頻，不盜上一把，他簡直渾身藍瘦！

不過，簡單的重發是不行的，網站的審覈員職位，也不是白設置的。

所以，還需要用點技巧，稍微加工、處理一下……