第(3/3)页

    终端上的提示显示，训练已经进行到了最后一轮的最后几分钟。

    机箱风扇的转速依旧很高。

    两人谁都没有说话，客厅里安静，只有机器的运转声。

    终于，进度条走到了100%。

    接着，程序开始在验证集上进行最终的测试评估。

    几秒钟后，两行关键的评估数据打印在了屏幕上。

    TOp-1准确率: 50.23%。

    TOp-5准确率: 70.81%。

    郭长征愣了几秒，随后猛地从椅子上站了起来。

    楚一航也是一脸震惊，直接爆了句粗口：“卧槽！牛逼！”

    两人兴奋地在半空中重重地击了个掌。

    两声清脆的巴掌声在客厅里回荡。

    他们太清楚这两行数字所代表的含金量了。

    激动得脸都红了。

    在普通人眼里，这只是两个干巴巴的百分比。

    但在懂行的科研人员眼里，这就是炸裂的神迹。

    所谓的TOp-1准确率达到50%，究竟是个什么概念？

    简单来说，随便给这个刚搭好几小时的AI模型扔一张它从来没见过的图片，比如一张猫的照片。

    模型经过计算后给出的第一个判定答案，有足足一半的概率，会精准无误地指出这是一只“猫”。

    虽然它也有一半的概率会猜成狗或者别的什么东西，但这个首选命中率，在当时的技术背景下已经高得吓人。

    而TOp-5准确率高达70%，则更加恐怖。

    这意味着，哪怕模型偶尔犯迷糊，没把正确答案排在头名。

    只要它给出的前五个最有可能的猜测名单里，比如依次写着“老虎”、“小狗”、“猫”、“狐狸”、“越野车”。

    由于“猫”这个正确选项出现在了前五名的列表里，在测试标准中就算它预测成功。

    这种极具包容度的准确率，达到了惊人的百分之七十。

    两人之所以激动得有些失态，甚至在半夜的客厅里大喊大叫，是因为这个成绩放在当下，完全是不可思议的。

    要知道，他们今晚使用的资源极其寒酸。

    为了图快，他们根本没有去下载ImageNet那多达一千五百万张图片的完整数据集。

    　　


    第(3/3)页