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

本章还未完，请点击下一页继续阅读>>>