不过，在跑代码之前，还要对数据进行预处理。

江寒先从报名信息表中，将性别信息仍然“健在”的行挑出来，只保留序号、姓名和性别，另存为label.xls。

这些记录一共9527条，大约占三万多条数据总数的30%。

它们对应着9527张真彩色照片。

24位真彩色的图片，每个像素点在内存里，要占用3个字节的存储单元。

每张照片有210×120个像素，这样读入一张照片，需要的内存空间就是210×120×3=75600个Byte。

9527条数据，共需要9527×75600=720241200B≈686.88M≈0.7G！

这个内存开销，还是比较容易接受的。

但是，“感知机”的算法，需要进行大量浮点乘法运算。

对每个像素的每个RGB分量都算一遍？

没那个必要，也太浪费时间。

所以，聪明的做法，是先把照片数据“压缩”一下。

江寒给“感知机”的代码，添加了一个LoadData函数，用来读取和处理照片数据。

在这个函数里，先定义一个二维的整形数组Feature。

然后从label.xls中读出序号、姓名信息，按照刚才建立的索引表，找到对应的照片文件。

下一步，将照片读取到内存中，读取的同时，将每个像素二值化。

具体做法是：色彩浓度在阈值以上的像素，取值为1，低于阈值就让它为0。

这样一来，原本的真彩色照片，就被转换成了黑白轮廓图。

然后，再将轮廓图中的0或者1的取值，按照从左到右、从上到下的顺序，重新编排成一行数据，存放到数组Feature中。

&ure中的每一行，都存储了一张照片的二值化信息。

一共9527张照片，就需要9527行。

全部照片处理完毕后，就得到了一个巨大的二维数组Feature。

它有25200列、9527行。

接下来，定义一个拥有9527个整形元素的一维数组Label。

从label.xls中读入性别信息，男生设为1，女生设为0，存放在数组Label中。

&ure加上对应的Label，就构成了训练数据集。

训练“感知机”时，将一行行Feature代入公式中，进行加权和运算，其结果再通过sign函数，转换为0或1，然后和对应的Label值对照。

如果不相符，就调整权重和偏置，然后重新计算。

当每一个Feature代入公式后，都能计算出正确的Label时，就得到了一组权重和偏置。

也就是说，构建出了一个可用的数学模型。

依据这个模型，计算机就可以读入任何一张同尺寸、类型的照片，对其二值化的数据代入模型中运算，并根据运算结果判断分类归属。

这就是典型的机器学习过程，计算机从数据中自己“学”到了某种规律。

即使这种规律，人类并不一定完全理解，也不见得能用数学语言解释清楚……

剩下的就比较简单了。

接下来，江寒又添加了几个函数，用来输出运算结果、观察运行情况等。

最后，从头调试了一遍，确认没啥bug后，将代码重新编译，然后运行了起来。

屏幕上有一些数字，表示当前正在处理的数据，和训练进度的百分比。

十分钟后，后一个数字才刚刚达到1.3%。

这表示，完整训练一遍，大约需要13个小时……

之所以这么慢，主要是江寒的程序，比较追求稳定性，以及调试的方便、快捷，并没特别讲究执行效率。

当然，即使他用心优化，估计也需要8个小时以上，才能完成训练。

虽然有点慢，但其实没什么关系，训练过程并不需要人工干预，挂机等着就行。

第二天早晨，江寒起床后，先看了下训练进度，还差了大约13%才能完成，就先去班级上课。

中午吃完饭回来，训练终于结束了。

而存放权重和偏置参数的Weight数组，也以内存映像的方式，保存在了一个二进制文件中。

接下来就简单了。

重建一个一模一样的感知机模型，加载上这个权重文件，就可以用它来判断剩余照片的性别了。

江寒重新改写代码，然后运行。

这次十分迅速，只用了不到20分钟，就将两万一千来张照片，全部处理完毕。

这就是“感知机”，或者说“人工神经网络”的特点。

训练起来特别耗时，一旦训练完成，工作起来非常快捷。

至于正确率，江寒初步估计，大大超过99%，21000条未经训练的数据里，判断出错的，绝不超过10人。

比人类肉眼的识别率低不到哪里去。

事实上，“感知机”或者说“人工神经网络”的错误率，跟训练数据、测试数据的质量有很大关系。

如果比较规范，达到100%的识别率都不算稀奇。

可惜实际运用中，总有个别实例，奇葩得超乎想象。

有的时候，人类都几乎无法识别！

根据老高的说法，这区区几个错误的，可以在把名单下达到各校后，根据反馈修改一下就行。

如果没有这个托底，就没法使用“感知机”，因为没办法判断，哪些人被误分类了……

得到了全部照片的性别数据后，江寒将其粘贴到了《报名信息表》中。

大功告成后，江寒没急着找高老师复命。

这么快就搞定，老高肯定会十分震惊，然后追问前因后果。

“感知机”解释起来太费劲，而且也没那么高大上，还用不着见人就推销。

关键老高一个人贡献的那点震惊值，江寒现在已经有点看不上眼了。

休息了一会儿后，江寒就拿着《noip通关宝典》，回班级继续刷题。

※※※※※

“杠上开”是一个营销号主。

什么是营销号？

百科上说，一般是指组织机构或者个人对外宣传散发信息所用的账号，具有目的性，一般是用来宣传产品或服务的。

狭义上说，就是纯粹以赚钱为目的，专门在各大视频站上传垃圾内容的人。

内容粗制滥造？那是基本操作；

虚假宣传和科普？那是日常作业；

动不动危言耸听、各种震惊？这根本就不算事儿。

没事儿当当水军，引导引导舆论，才是他们的主要业务。

反正很多事情，很多人既不了解，也不具备判别能力，还不是哪边人多信哪边……

你说网友们义愤填膺？

上面都不管，网友算老几，钱到手才是真的。

为什么网站不整治？

一个是很难区分，容易误伤正常的up主；

再一个，网站跟流量什么仇、什么怨……

“杠上开”就是这样一个营销号，每天出没于各个视频站，P站算是他最重要的基本盘。

他最常做的，就是接受客户的委托，然后不择手段地完成任务。

视频网站给的那点补贴，他根本没放在眼里，客户的赏金才是大头。

今天，他做完“作业”，上传完几个视频，然后随便在P站逛了一会儿。

忽然，一个点击、投币超高的视频，跃入了眼帘。

本月热门？

“杠上开”来了点兴趣。

仔细一看标题，顿时有点无语。

《旧光驱改造写字机器人》……真够夸张的，你怎么不改造成航母呢？

不过，好奇之下，他还是点开了视频，看了一眼。

结果，一看之下，他瞬间就惊呆了。

卧槽，还真是个高手，这动手能力有点逆天了。

本着一个营销号的职业精神，“杠上开”感到了一种久违的使命感。

必须做点什么。

没错，这么有创意的视频，不盗上一把，他简直浑身蓝瘦！

不过，简单的重发是不行的，网站的审核员职位，也不是白设置的。

所以，还需要用点技巧，稍微加工、处理一下……