既然吴恩达教授早在2009年就用这篇顶会论文向全世界展示了gpu的威力，那为什麽时至今日，陈工他们这些一线的工程技术人员，依然把用cpu训练神经网络当成约定俗成的标准答案？

为什麽这项能让效率起飞的技术，如今依然只是停留在少数顶尖高校的实验室里，并没有在工业界和学术界得到大规模的认同与落地？

如果真的有用，不是应该早就商业化了吗？

总不能说资本眼瞎吧？

这样不合常理，不对，有坑！

漆昊脑子冷静了下来。

他现在得知道坑在哪儿。

有了方向的漆昊，搜索信息变得有目的了，很快他就梳理一些关键点。

如今的计算机视觉圈子，大家普遍崇拜的是手工特徵算子，像是sift、hog、lbp，然後再搭配一个数学上的支持向量机sv或者随机森林。

在主流学者眼里，神经网络本身就是容易过拟合还需要人肉调参的黑箱子，没有海量的标注数据支撑，大家觉得神马深层模型都是浮云，自然也就没人愿意为了这个非主流方向去专门花时间折腾显卡了。

毕竟，gpu它目前只认识游戏画面，要它去训练神经网络，你必须教它，光是这一步，都要人老命了。

更重要的是，现在最好的gtx580显存才15gb。

所以，想要在15gb的显存限制下，既避开重新写原生cuda训练代码的坑，又要实现一定的机载视觉的实时计算，所有人都在这里卡住了。

如果全连接网络会导致参数爆炸，那就必须从数学上限制参数的连接方式。

空间局部性和权重共享，漆昊想了下，这不就是卷积神经网络嘛！

通过局部感受野和卷积核复用，可以将需要存储的参数量大量压缩到只有数万的级别，几个g的大小也同时被压缩，15g的显存好像也能装下！

可是，卷积计算在gpu里怎麽高效率跑起来？

二维卷积需要在一个滑动窗口里不断做局部的乘加，如果用传统的c循环思路去gpu里写多重嵌套循环，gpu的线程束会发生严重的访存冲突，最後跑出来的速度可能连cpu都不如。

漆昊想到这里有些卡住了，他又只能在网上找神经网络和图像卷积相关的文献来看。

实验室里面的其他人此时其实因为课题快要结束的事，都松了一口气，坐在漆昊斜对面的李杰正悄悄把手移向滑鼠，准备点开刚刚更新的游戏，而隔壁工位的同门则在用手机刷着天涯论坛，嘴角挂着摸鱼人特有的安详微笑。

然而，他们很快就注意到了漆昊这边写草稿的动静。

李杰一慌，游戏图标硬是没敢点下去。

他偏过头，和旁边的同门师弟交换了一个惊恐的眼神。

「哎，漆神这是怎麽了，不是已经解决问题了吗？」师弟努力小声问道。

「不知道啊？」李杰心里咯噔一下，他突然不敢继续心安理得地摸鱼了。

在科研狗的世界里，最让人胆寒的现象莫过於，大家都在玩，只有学神在疯狂看文献。

这种恐慌感一旦蔓延，杀伤力堪比一觉醒来，错过高考时间。

为了打探敌情，李杰悄悄站起身，假装拿着水杯去饮水机接水，在路过漆昊身後时，他偷感十足地飞快瞅了一眼。

只见那张草稿纸上，写满了各种推导公式，嗯，那些公式重重叠叠的，他看不出写的是什麽，也怀疑漆昊是否也看得清楚。

回到座位上，李杰感觉杯里的白开水都变苦了。

他默默关掉了游戏窗口，从电脑里翻出一个马了很久英文文献pdf，开始尝试着看。

「怎麽样？」旁边的师弟凑过来。

李杰一脸凝重：「不知道漆神在干嘛，不过大神在前，你还有心情玩天涯论坛吗？」

师弟犹豫了下，关掉了手机，默默打开了atb。

其他人看见後，也不好再摸鱼了。

整个实验室的气氛，在漆昊毫无自觉的学神气场压迫下，硬生生卷了起来。

大家原本高高兴兴准备开启咸鱼模式，结果旁边坐着一个大佬正在疯狂学习求进步，他们想躺平也躺不下去啊！

此时的漆昊，根本不知道周围人内心世界如此丰富，他只一门心思看着草稿纸上那张模拟滑动窗口卷积的矩阵示意图。

卷积核在图像上一格一格地滑过去，乘以局部像素。

等等！

每一块滑动窗口里的图像，展开後都是一个