我用 90 年代的古董电脑训练 CNN

msz09861

      在 90 年代的电脑上实现 CNN 是一种什么体验？

      最近，一位日本小哥武田广正（音译）就在 1990 年的电脑 PC-9801 上实现了 CNN 来识别手写字符。

      

      就像这样。

      

      可能因为电脑性能的限制，整个识别过程要消耗一分多钟。

      

      原来 30 年前 CNN 是这样实现的。

      他还将整个过程分享到了推特上，得到了大量的关注。

      不少网友惊叹之余，还表示，心疼这个电脑，学习 AI 一定很难……

      

      如何实现？

      虽然目前这项技术还没有开源，但早在 93 年就已经有人将 CNN 玩得很溜了。

      这个人就是 LeCun。

      前不久，一段关于 LeCun93 年的视频火了。视频中展现的是，当时的文字识别系统已经用上了 CNN。

      

      他首先是电脑的系统中编写了一种网络数据结构的编译器，并生成了可编译的 C 语言代码，在源代码中以权重和网表（netlist）代表文字。

      整套系统是在算力为 20MFLOPS 的 DSP版上运行。

      当时，手写数字数据集 MNIST 还没有问世，LeCun则用摄像拍摄来构建文字识别系统的。除此之外，还需要解决文字缩放、位置等问题。

      只需在纸上写好任意数字，不管任意大小形状，或者带有一定的“艺术性”，只要用摄像头导入电脑，就可以识别。

      

      而这位日本小哥则是在 MNIST 数据集上构建的，电脑上清晰展现了识别过程。

      首先，读取 MNIST 的数字图像的信息。

      

      随后，进行一波卷积、池化等操作。

      

      最后经过 SoftMax 层，每个数字转换成概率或者权重，按照权重大小选出所得数字。

      

      背后的作者

      武田广正，来自岩手县立大学信息学研究院，喜欢操作系统以及研究复古电脑，曾撰写《RaspberryPi GPGPU 入门》

      因为这个项目，他在 enPiT 的 PBL 活动中获得了优秀奖。

      

      他表示，会将这一教程编写进《令和的 PC-98 编程》一起发行，源代码将在 GitHub 上提供。

      

            

jyxz4

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一

木剑刺

8识别成3，这误差有点大啊。

liding

古老的过程呀！

msz09861

怀旧的体验

shzm55

怀旧的体验  谢分享