结太久，盘算机看上往像是逝世机了。若用中等质量的gpu处理这个示例，就会碰到超过期限的问题。gpu不连接显示器时就不存在这个时间限制。你可以降低批处理大小来解决超时问题。
杨杰前世的时候也是看过这篇论文，也看过这位大神通过facebook说自己在深度网络方面的工作工作可以追溯到1989年，当时他就在一台sun4机器上花了大约个星期练习usps数据集，其中有8000个练习样本，这也是他在贝尔实验室的成果。
现阶段来说，人工智能的三个流派都是在美国出身的，这些年也是造就出来了大批的人才，尤其是最顶尖的人才也不过几百个，基础上都是集中在美国，而华夏国这方面的顶尖人才非常稀疏，固然华夏国在人工智能方面起步从八十年代就开端了，这也回功于已经年逾古稀的吴文俊这位人工智能的泰斗级人物。
这位七十年代才接触盘算机的老者大数学家当时已经六十岁了，他当时也是敏锐地察觉到盘算机，敏锐地觉察到盘算机将极大地推动数学的发展。
在这位老者的自学编程的过程中他也是产生了一个初等几何定理的机械化证实思想。
经过实验，终于在77年的春节前成功地用这一思想证实了一些定理，这一研究开创了机器定理证实的时代，国际上称为“吴文俊方法”和“吴消元法”，实现了低级几何与微分几何定理的机器证实，却是无意中闯进了人工智能的领域，一举将华夏国在逻辑人工智能的地位提到了非常高的地位。
不过华夏国在概率程序语言和深度学习方面却是远远地落后于美国，在后代的记忆中，国内这方面的人才都是有过从美国留学回国的，在这两个流派都是跟在美国的屁股后面跑，而且国内的人工智能造就出出来的人才都是基于逻辑推理的人工智能，在这两个最接近真君子工智能的技巧领域就落后了。
在后来爆发人工智能高潮当中，还是以概率程序语言跟深度学习为主，这两个流派华夏国根本没有拿得出手的技巧创新，也没有权威人物。
这也没措施，一个牛掰的教授才干带出更牛掰的学生出来，这个过程至少需要十多年才干涌现出一批有影响力的科学家出来。
后代那些从美国取经回国的科学家才让国内开端了概率程序语言跟深度学习的浪潮，完整是靠着华夏国的宏大的市场才让这两个技巧领域变得热烈起来，实在跟美国之间的差距相差了差未几十多年。
这个也是后代华夏国在这两个领域极
本章未完，请点击下一页继续阅读！