打开自己的微薄，熟练地翻出之前拍摄的视频，再看了一眼，没有需要打码的地方。
整个视频里，除了一条巨大的机械手臂和它外层的护甲之外，没有多余的物体。
直接上传。
发布。
然后陈神把手机放下，坐到自己的电脑前面，继续着神经网络算法的训练，顺便研究系统里面的人工智能底层架构。
系统给出的这个深度神经网络算法，在功能上面比目前其他同类的神经网络算法要强上许多。
目前，它在图像识别上已经表现出惊人的效率和准确性。
陈神之前随机抓取快音上面的一部分视频向系统神经网络展示，在没有任何指令的情况下，这个神经网络自主学会了对于各种物体的识别。
比如视频里面出现过的动物，人类，以及家具等等。
到了现在它已经可以完美识别出二十多种网络上常见的动物，无论动态还是静态，根据目前检测到的结果，识别错误率已经降到零了。
陈神还试着从几张猫的图片里面人工截取了腰身的部分，结果系统神经网络面对这种迷惑性极强的图片，依然准确识别出图片上是属于猫的腰部，而不是豹子或者老虎的腰。
这样的图片，有时候人都认不出来。
类似的实验在业界内有各种各样的大公司做过，但这仍然是一个惊人的成绩。
要知道，他向神经网络展示的视频大概只有十万的数量，而这些视频里面有关于猫或者其他动物的数量就更加少了。
也就是说，系统神经网络只进行了极少量的训练，就已经可以做到完美识别某一样物体了。
而其他神经网络，想要做到接近的效果，需要建立起一个庞大的数据库和庞大的神经网络，让它进行至少亿万次的训练学习。
人们在各种网盘上面上传的图片和视频，以及各种大型直播网站，背后就隐藏着一个深度神经网络正在进行扫描式的“学习”，实时监控着视频画面和弹幕，判定违规内容。
不过，哪怕是经过这么多次学习，目前业内大部分神经网络图片识别效果仍然感人，距离系统神经网络百分百的准确还差得远。
当然，系统神经网络也不是没有缺点的，或者说也算不上是缺点。
那就是随着运行的时间，它需要的服务器资源越来越多，现在他的电脑已经有点容不下了。
“是时候给它配一台服务器了。”陈神开了一瓶快乐
…。。