第83章 这不科学！（爆更1.5w 3/3 求首订）
第83章 这不科学！（爆更1.5w 3/3 求首订） (第2/3页)
震惊到了，但还是老老实实地回答道：「当然最终是想实现无人机在复杂无GPS信号的室内环境下的自主视觉定位悬停，障碍物自动辨识，以及对移动目标的自适应锁定与跟踪咯。」
「没错，但我们现在解决的问题，距离这个目标还很远，当飞机面对复杂的障碍物拓扑结构，多变的室内光影变化，以及运动目标的轮廓识别时，还是无法控制无人机。」
「正如陈工之前所说，要想真正解决这种难题，唯一的出路，是引入神经网络。」
听到神经网络这四个字，会议室里的人脸色变了变。
现在，这个词在绝大多数高校科研人眼里，简直就等同於天坑的代名词。
陈工叹了口气，苦笑道：「漆昊，神经网络的设想确实很美好，这也是两家企业最看重的核心技术，但我们之前私底下尝试过，在没有专门加速硬体的前提下，光是训练一个最简单的三层多层感知机，都要耗费不少时间。
「如果引入更深层的网络来做图像特徵提取，算力开销将呈几何级数爆炸，计算强度的数学公式我们可以写得很漂亮，但实际情况并非如此。」
「在如此惊人的复杂度面前，用CPU训练神经网络，光是调参和等待收敛的时间成本，就能把我们整个课题组的人力全部耗死在里面，在工程落地层面上，这根本不具备可行性。」
齐教授此时也说道：「小漆，陈工说的是实情，我早年的研究方向也涉及过部分控制网络，神经网络这个东西，目前在学术界和工业界都处於一个尴尬的瓶颈期。」
「没有足够的算力支撑，强行把重心放在这上面，无异於去撞一堵墙，所以，我们目前的规划是先用经典的滤波和几何算法结题，神经网络的部分，只作为一个理论展望写进报告里就可以了。」
「那如果，我们不走CPU训练这条路呢？」
漆昊微微擡起头。
齐教授皱了皱眉：「不走CPU？难道你还指望去申请国家超级计算中心的机时？先不说审批有多难，超算中心的那些CPU集群，本质上依然是通用架构，算力性价比极低。」
「不用申请超算。」
「我昨天用那两块GTX580显卡，基於im2coI的数学变换和cuBLAS底层数学库，写了一套完整GPU并行神经网络训练架构。」
陈工和曾工吃惊地看着他。
他昨天和陈工走的时候，漆昊明明还在为LRN的显存冲突和反向传播的写冲突折腾得眉头紧锁。
他们都以为漆昊肯定放弃了，可听这家夥的意思，他昨晚不仅没放弃，反而把所有算子都写完了？！
齐教授作为严谨的资深学者，本能地对漆昊的话产生了怀疑，他开口：「小漆，用GPU训练神经网络，这在目前的视觉和控制领域并不是主流，哪怕是斯坦福吴恩达团队的那篇论文，也只是在特定的实验室环境下做出的探索，在实际工程中根本无法大范围推广。」
「GPU的显存带宽瓶颈和复杂的CUDA编程调试成本，注定了它难度非常高，你就算写出了一些测试代码，由於频繁的数据拷贝，最後跑出来的实际效率，恐怕也不会比多核CPU好到哪里去。」
「齐教授，我昨晚用GPU训练，其实已经跑出了一批完整的数据，就目前的结果来看，它的效率比CPU要好。」
看着漆昊那自信的样子，齐教授只好说：「既然你连数据都跑出来了，那我们今天也别在这干坐着了，去你工位上看看。」
一群研究生和两位工程师，立刻屁颠屁颠地跟在齐教授和漆昊身後，涌向了漆昊的工位。
当齐教授走到那台崭新的工作站前，看到旁边那个硕大的1200W电源时，他脚步一顿，看向了陈工。
陈工假装在看天花板上的灯，一句话都不敢多说。
漆昊没有在意这些，他坐下来，滑了滑滑鼠，唤醒了暗下去的屏幕。
此时，屏幕上正显示着一个用C写的简易控制台界面，上面还残留着最终训练日志。
「齐教授，这是我实验室里现成的数据集进行的测试，一共10000张。」
「我看了下相关日志，在之前使用的伺服器CPU上，运行一个Epoch的训练耗时，平均在一个小时左右。」
齐教授微微颔首：「没错，一个小时，这已经是优化後的极限了，想要训练到一个勉强可用的精度，至少需要叠代10个Epoch，那就是将近十三个小时。」
「是的。」漆昊微微一笑，「所以我昨晚尝试了新的方法，这是昨晚我运行10个Epoch的实时训练输出日志，您可以看一下。」
漆昊轻敲回车，拉动滚动条，将昨晚的训练控制台日志呈现在所有人面前。
【Training Epoch10/10】
【TotalTrainingTime：1小时28分27秒】
「这时间坏了吧？」陈工脱口而出。
齐教授顾不上教授的体面，半蹲着身子，开始快速翻看编译日志和CUDA运行态监控。
屏幕上的实时数据显示得清清楚楚：GPU利用率在
（本章未完，请点击下一页继续阅读）