正确率，手底下肯定有两把刷子。”
一个同事分析道：“他们可能用了一些我们不知道的方法。不一定是用了深度学习和神经网络，也可能是一些新的优化算法。”
亚历克斯摇摇头：“不，直觉告诉我，只有神经网络能处理这么庞大的参数量。人外有人，天外有天。”
亚历克斯放下咖啡杯，重新坐直身体。
他的眼神中重新燃起了斗志。
“我们不能再浪费时间抱怨CUDA难用了。”亚历克斯双手重新放回键盘上，“中国的同行已经把标准线拉到了百分之六十。如果我们连模型都跑不起来，那才是真正的笑话。”
同事们纷纷点头，回到自己的工位上。
教研室里的键盘敲击声再次密集起来。
亚历克斯紧盯着屏幕，开始逐行排查内存溢出的原因。
时间还要倒回一天前。
斯坦福大学人工智能实验室的服务器机房外，走廊里的咖啡机发出沉闷的嗡嗡声。
陈冉坐在电脑前，对着屏幕打了个长长的哈欠。
作为李飞飞教授团队里的博士生，也是一个来自中国的留学生。他最近的任务之一就是盯着ImageNet视觉识别挑战赛的后台。
这绝对是个体力活。
陈冉需要定期检查那些参赛队伍提交的预测结果，看看有没有人触发了系统预设的阈值。
比赛已经进行了一段时间，目前的战况只能说是一潭死水。
大家都在传统的特征提取算法里打转，排行榜第一名的成绩卡在Top-1正确率29%，Top-5正确率69%。
这个成绩已经挂在榜首两天了，后面的队伍每次提交也就是零点几个百分点的挪动。
陈冉熟练地端起咖啡杯，另一只手移动鼠标，点开了系统自动生成的最新一封新纪录提醒邮件。