实验楼，301室。
齐凡找了台角落里的电脑，手指飞快地敲击着键盘。
git push。。。
随着一个enter键的按下，黑色命令行窗口上飞快滚动着一行行白色的英文字体。
齐凡把自定义核函数的代码成功上传到了github。
而另外那三人则仍在焦头烂额。
“你们说40%的错误率能通过毕设论文答辩吗。”张开愁眉苦脸道。
“你觉得呢。”许阳冷冷道。
“那我们难道就不能用minst数据集吗，用minst的话，识别率不就很好看了。”
“王教授都说了，用minst数据集不如不做这个毕设，你还想头铁？”
张开叹道，“我不想头铁，我只想赶紧混毕业。然后再也不要来这该死的实验楼，一天天的对着电脑屏幕，我是受够了。”
杨环点点头表示同意，“毕设能过就行了，我们又不是真要发明什么改变世界的东西。我都有点后悔选王教授的课题了。”
“没错，我也是。我们这个课题的答辩要求里，明明没有限定死用什么数据集。王教授他干嘛非得要我们用自己采集的数据集。”
“为了显示他的逼格呗。要是早点打听清楚，我绝对不会再报他老人家的课题。也不考虑下我们的志向，就一股脑给我们定了超出毕设的要求。”
许阳打断了那两人的碎碎念，“差不多得了。还是想想怎么解决问题吧。”
“怎么解决。我觉得，要不我们就拖着吧。拖得时间够久，王教授总要给我们过的。”
“那你还想不想出去实习了，想一直拖到大四下学期吗。”
“哎。”张开无奈，“要不找枪手？我自掏腰包，不用你们破费。”
许阳刷地站起身，“你开什么玩笑。找抢手做毕设，你不怕被开除学籍。再说了，你上哪去找，去H9其它8所高校？弄不好抢手的老师和我们的导师还是一个圈子里互相认识的。”
齐凡在一旁默默听着三人絮叨了好一阵，他才缓缓开口道，“学长，我在github上发现个例程，好像是讲如何自定义SVM核函数的。要不我发你看看？”
许阳打心里是不想看的，因为这条路在他看来就是死路一条，可如今所有办法用尽，也只能死马当活马医试一试了。
许阳点开齐凡发过去的连接，随后获取仓库代码。才看了几眼，他就来兴趣了。
“张开，杨环。你们来看这个，或许我们可以试一试。”
两人闻言当即凑了过去。
“你们看，这个例程的作者详细列出了，他自定义核函数和一般常用核函数，在处理数字和字母识别时的优劣。他甚至还附上了实验数据。”
“那还等什么，我们赶紧试下。”
三人激动地一番折腾了好久。随后他们很尴尬地看向齐凡。
“小齐，我们对着例程代码改了点东西，然后就跑不起来了，你来帮我们看看。”
齐凡彻底晕菜，自己都已经是手把手把例程代码奉上了，结果眼前这三竟然又遇到了编程问题。
刚刚齐凡发给许阳的github链接，其实就是他写的。因为他怕直接告诉他们会让他们尴尬，这才想出了这么个主意。悄悄地不经意之间告诉他们。
齐凡起身走过去一看。
原来是他在例程中为了让结果醒目，就用到了图表工具，会将训练过程和结果，以图表的形式实时显示出来。
可是齐凡用的图表工具和许阳他们正在使用的版本不一致，就导致了版本兼容冲突。这才导致了问题。
齐凡当即更新了本地版本，代码很快就运行正常了。
system started
cycle 0。。。err per：39%。
“我去。这一下就干到了40%以下，简直吊爆了。”张开惊呼。
其实这得益于齐凡在例程中贴心地给出了预训练参数，也就是齐凡已经帮他们提前训练出了一个近似的模型参数。齐凡不但给了源代码，还帮他们把准备工作也一并处理了。
cycle x。。。err per：29%。
训练终于结束，错误率停止在了29%。三人面面相觑，他们花费了那么多时间没做成的东西，结果被一份开源代码轻松搞定了。
“齐凡，这份代码你上哪去找的。”许阳无比好奇。
齐凡淡然道，“是我在github上搜到的呀。”
“不会呀。我们在github上早就搜过了，没找到和我们课题如此接近的例程。”
“额，这个我就不知道了。”
许阳随后赶紧查看那个例程的push时间，以及文件创建时间。
“怎么会这么巧。”
“什么这么巧。”张开好奇道。
“这例程最老的一个文件的修改时间是前天，而这个例程的push时间是今天上午。也就是说，我们要用这个东西，然后正好就有人发布了这个东西。这世上哪有这么巧的事情。”
“你管它，反正能用就行了。如果世上没有运气一说，那哪来的买彩票中大奖。我们不过就是像中大奖一样，走了一回好运罢了。”
许阳对张开的话不置可口，他想了一阵，然后忽的看向了齐凡。齐凡则一脸无辜地回看着他。
许阳在心中默念：不可能，绝对不可能。他绝不相信那个可能的结果。
“许阳，别愣着了，快点做事情。”张开打断了许阳的联想，“我们赶紧按照这份例程调整模型。”
齐凡看着三人忙碌的身影，默默地关掉了自己面前电脑的github登录网页。
齐凡其实手头上有最终稿的模型，但是他故意没有发布出去。因为这要是例程一跑直接能用，那许阳他们三个不怀疑自己才有鬼了。因而齐凡只是通过例程给他们三人一个启发，相当于是给他们指一条路。之后在那条路上走下去，就得靠他们自己了。而齐凡则可以深藏功与名。
齐凡算是不动声色地帮了他们三一个忙，接着他就继续看自己借来的书--《神经网络在机器学习中的运用》。
这本书上泛着一个黄色的大F图标，显示它的难度对齐凡目前来说是有挑战的。
齐凡经过这些天的学习，他发下传统的机器学习方法存在一个问题。那就是太娇贵。
传统的机器学习，需要人为干预的因素太多了。样本环境一旦变化，就需要手动去调整特征获取方式。简单来说，就是需要使用者花不少精力去伺候。
齐凡在想，既然是机器学习，那为什么不能让机器主动去学习到这种环境的变化呢。
带着这个疑问，齐凡去查了不少资料。总算被他找到了“神经网络”这一概念。
所谓的神经网络不是生物意义上真的神经网络，而是类似于仿生学。人为地参照人的神经网络，用计算模型构建出一套类似的东西。其处理数据的方式，就和人的神经网络差不多。也是因此才得名。
当然，人为模拟的神经网络和人类大脑中的神经网络，那根本就不是一个级别的东西。甚至说，人类大脑的神经网络到底是不是可以被这么理解，都是存在疑问的。
或者说，AI领域的神经网络，更多的是人们自己提出来的一种数据计算处理方式。