大约二十分钟后，江寒忽然看到了一则消息。
ISLVRC2013已经开始接受报名，并开放了数据下载端口。
江寒不由得精神一振，总算等到了！
ISLVRC，全称ImageLargeScaleVisualReitionChallenge，中文名称“大规模视觉识别挑战”。
但其实，就是个图片分类比赛……
ISLVRC使用了Image的一个子集。
Image是一个相当庞大的图像识别数据库，由斯坦福大学模拟人类的识别系统建立。
有超过1400万的图像，以及相应的标签，共包含2万多个类别，一个典型的类别中，往往包含数百个图像。
这次的比赛中，Image提供的训练集，共包括12万多张图片，以及对应的标签。
验证集则是50000张图片和标签。
至于最终挑战的测试集，则包含了10万条数据，分属于1000个不同的类别。
这么大规模的数据集，制作起来成本高昂得惊人，全世界也没有几个。
对于研究机器学习的人来说，这个比赛可是不容错过的。
江寒马上就报了名，并利用会馆的WIFI，开始下载数据集。
只是，手头并没有电脑，怎么进行编程呢？
江寒沉吟了一下，马上进入了虚拟空间。
这里可是有一台随时可以使用的286。
虽然型号特别原始，性能落后了点，也不能调试、编译神经网络。
不过，自己完全可以用文本的方式，先把代码敲进去，保存好。
明天再找个时间，发送到真实电脑上，调试、修改、编译，然后上传到服务器上训练……
此外，这样做还有一个莫大的好处，那就是可以节省大量的时间。
毕竟在这里工作100个小时，外面只过去大约1个小时……
江寒思考了一会儿，很快就有了大概的思路。
首先，既然是图像识别，那么最适合的模型，自然是卷积神经网络了。
以为基础，打造一个深度学习网络，再进行一番优化，结合一些小技巧，大概率能取得极其优秀的成果。
江寒设想了一个多达十几层的卷积神经网络。
首先是输入层。
输入的图像数据，是n×n×3的RGB彩色图像，所以这一层的数据格式，可以定义为一个三维数组。
接下来是卷积层。
对于卷积神经网络来说，这自然是重中之重。
江寒花费了很大的心血，终于设计出一个全新的结构。
通过反复地卷积、池化和标准化，一步步提取图像的特征……
经过前面这些步骤，需要处理的神经元个数，和输入层相比，已经减少了很多。
接下来，就可以把数据送进全连接层，用softmax函数进行分类了。
最后还要有个输出层，对应1000种分类标签……
确定了大体思路之后，江寒又设计了一下网络的具体结构。
比如，应该有几层卷积层，每一层如何实现……
一般的神经网络里，激活函数主要使用Sigmoid和Tanh（双曲正切）函数。
但这两个函数……