江寒和夏雨菲走了過去。
雖然貼着單向透視膜，但走近之後，仍然能透過車窗，模模糊糊地看到一點輪廓。
駕駛座上有個苗條的身影，正趴在方向盤上，似乎正在小憩。
江寒敲了敲車窗。
車窗很快放了下來，露出夏如冰白皙、明豔的臉孔。
雖然已經30出頭，她卻依舊青春、靚麗彷彿少女，眼角眉梢並沒有什麼皺紋，仍然滿滿的膠原蛋白。
職場女性的精明、銳氣中，摻雜着少許清新、優雅的書卷味道，氣質獨特而動人。
只是……
雖然她掩飾得很好，江寒還是敏銳地感覺到了一點不同。
和上次見面時相比，夏如冰似乎稍稍有一點憔悴，眼神也沒有從前那麼明亮、銳利了。
也不知道她是不是遇上了什麼事？
江寒默默地想着，但並沒有貿然詢問什麼。
夏如冰打量着江寒和夏雨菲，有點驚奇，也有一點疑惑：“這一大清早的，你們兩個怎麼……而且還揹着旅行包，風塵僕僕的。”
夏雨菲甜甜一笑：“他去合江參加NOIP複賽，我也跟着去玩了兩天，散散心，然後我着急回來上課，就讓他陪我坐了次火車……”
她一五一十地解釋着，對於和江寒之間的關係，並沒有特意去迴避。
夏如冰此前還不清楚兩人的事，這時自然已經心如明鏡。
但聽完夏雨菲的話，她只是恍然一笑，輕輕點了點頭，並沒有什麼特別的反應。
隨後，輪到夏雨菲發問：“小姨你這是？”
夏如冰“哦”了一聲，說：“我出來處理點業務……對了，你們還沒吃早飯吧？我請你們。”
“吃過了，在車上吃了點麪包、紅腸……”夏雨菲回答着。
夏如冰很乾脆地打斷：“那就陪我再去吃點，上車再說。”
江寒打開後備箱，將兩人的旅行包放了進去，然後拉開車門，讓夏雨菲坐進了後座，自己則坐了副駕位。
“去哪吃？”夏如冰詢問了一句，同時啓動了車子。
夏雨菲說：“隨意。”
江寒也表示無所謂。
夏如冰點了點頭，隨後載着兩人，拐了兩個彎，停在了“陳記湯包店”門口。
這是一家老字號，東西做得不錯，衛生情況也十分良好。
一頓飯很快吃完，夏如冰又把兩人送回家。
下車時，夏雨菲見別墅大門緊鎖，知道媽媽不在家，於是回過頭去：“小姨你有沒有時間？稍微等我一下，一會兒順便送我去上學。”
“沒問題。”夏如冰揮了揮手，“快去吧。”
夏雨菲拿鑰匙開門，江寒則從後備箱中取出旅行包，跟在後面進屋。
兩人重新洗漱、收拾了一番，換了一套衣服。
隨後，夏雨菲背上書包出門，再次上車，江寒想了想，也跟了上去。
夏如冰先把夏雨菲送到學校，等她下車後，就問江寒：“你去哪？”
江寒禮貌地回答：“我想去一趟綠樹家園，麻煩您了，夏姐。”
夏如冰發動了汽車，走出不遠，忽然問：“你和雨菲在一起多久了？”
“將近一個月了。”江寒實話實說。
夏如冰“哦”了一聲，不再多問，默默開車。
過了一會兒，忽然又說：“好好對她，還有……”
江寒等了半晌沒見下文，心中微感奇怪，但還是欣然應了一聲：“好的，小姨。”
沒錯，既然話都挑明瞭，當然要趕緊改口了。
不多時，到了綠樹家園。
江寒躊躇了一下，沒有立即下車，而是裝作不在意地問：“小姨，你是在爲工作上的事情發愁嗎？”
自打今天看到夏如冰，就感覺她似乎有心事。
如果不是特別麻煩的事情，自己又能伸得上手的話……
然而，夏如冰聽了江寒的問話，蹙着眉頭，似乎很煩惱，卻始終一言不發。
江寒等了一會兒，見她並不打算傾訴，只好聳了聳肩，打開車門下車。
畢竟是別人的私事，人家想說就說，不想說，他也不會勉強。
目送夏如冰車子開遠，江寒轉身走下臺階，用鑰匙打開卷簾門，進入車庫。
裡面的一切，和上次離開的時候，毫無二致。
今天溫度有點低，江寒進屋後，立即打開了兩臺大功率的電暖氣。
足足過了半個小時，屋子裡才暖和了一點。
他先查看了一下神經網絡的訓練情況。
前後一共上傳了160多套訓練方案，到現在已經全部訓練完成。
服務器和五臺工作站目前全都處於空閒狀態。
江寒又逐一檢查了一遍訓練結果。
首先要看的，是在訓練過程中，模型是否收斂。
如果無法收斂，就意味着神經網絡構築失敗，無法通過訓練進行學習。
其次要看收斂速度，這個指標影響網絡的訓練效率。
這次KAGGLE舉辦的機器學習比賽，時間上並不是十分緊張，哪怕神經網絡的收斂速度稍微慢一點，也是可以接受的。
但也不能太慢了，必須在截止日期之前完成最終的訓練，否則就派不上用場了。
江寒上傳的代碼中，包括了各種日誌記錄和狀態監督的函數。
模型訓練過程中，每進行到一個節點，都會在輸出的日誌中，打上相應的標記。
所以一看日誌就能知道，模型是否收斂以及收斂速度如何。
檢查十分迅速，江寒只用了10分鐘，就淘汰掉了20多種無法收斂的，和50多種收斂過於緩慢的網絡設計方案。
其實，這些方案改進一下，還是有機會“進化”成“有用之才”的，但江寒並沒有急着這麼做。
可選的方案太多了，這些完全可以先放在一邊，等後面實在選不出來合用的，再考慮如何改造一下，“廢物利用”。
現在還剩下75種方案。
這些方案都能收斂，且收斂速度基本滿足需求。
所以，接下來要比較的，是模型的精準度，也就是對手寫數字的識別正確率。
通過觀察訓練日誌，江寒發現，其中大約50種方案，在訓練集上表現就很普通，識別正確率不足90%。
這意味着，它們先天稟賦不足，對數據的擬合能力不強，再怎麼訓練，成就也有限。
第一批一共160種方案，如果比喻成160名學生的話，這50多名學生，就相當於這一屆的“學困生”。
將這些方案也先放在一邊，暫時排除在考察範圍之外。
還剩下22種方案，在訓練集上表現十分良好，這至少說明，它們的學習能力沒有太大的問題。
隨後，江寒將驗證集加載到這22份代碼中，逐一進行測試。
這樣就能通過比較，挑選出泛化能力相對較強，對陌生數據適應能力較好的方案。
神經網絡訓練起來很慢，但用訓練好的模型對數據進行分類，速度相當快。
所以，江寒只用了一個多小時，就將22種方案都測試了一遍，然後按照綜合得分排了一下序。
排名前三的方案，在訓練集上的識別正確率，都超過了94%的及格線。
而在測試集上的表現，則參差不齊。
江寒仔細思考了一會兒後，先淘汰掉了得分最高的方案。
因爲這個方案在訓練集上，雖然識別正確率超高，接近了99%，但在測試集上表現不算太好，只有93%不到的準確率。
這說明模型泛化能力有所不足，產生了非常嚴重的過擬合。
用比較通俗的話說，這就是一個“書呆子”，只會死讀書，不會活學活用。
所以只能先Pass掉。
第三名的模型，在訓練集和測試集上表現差不多，都超過了95%，但相對來說，還是不夠突出。
而且泛化能力雖然沒問題，可是和其他模型相比，學習能力似乎稍微差了些。
如果有更多數據支撐，或者更多的訓練時間，也許能得到一點改善，但也不會特別樂觀。
這就好比某些中等生，頭腦其實不笨，但學習習慣和方法不夠好，也不夠努力。
然後在一次測試中，雖然憑藉良好的發揮，暫時領先了其他中等生，但畢竟還是比不上那些真正的優秀生。
所以，江寒權衡再三，最後選擇了第二個模型。
這個模型在訓練集和驗證集上，表現都可圈可點，雙雙達到了97%的理想線。
而且，江寒分析完一些數據後，感覺只要進一步提高訓練強度，這個模型應該還有很大的進步空間。
這是一個天賦不錯的學生，文理雙修，沒有短板，但並沒怎麼用力去學，這才輸給了書呆子一籌。
這種學生只要加強訓練，成爲高材生指日可待，日後的發展不是書呆子可比的。
這是江寒從160套方案中，層層選拔，優中選優，最後留下來的唯一優勝者。
接下來，就該對其進行地獄特訓了……