然后设计了一个程序，调用这些字体，生成了许多小图片。
每张图片都是一个汉字、数字、字母，或者特殊符号。
江寒使用数据扩充算法，将每张图片略微变形、变色、位移、旋转……
从而得到了数以十倍的样本图片。
并且在生成图片的同时，他还顺便生成了一一对应的标签。
这样就拥有了海量的训练数据。
接下来，他又综合运用已经掌握的技术，设计了一个庞大的集成式机器学习算法。
在这个算法里，不可避免地用到了CNN，也就是最新开发出来的“卷积神经网络”。
为了最大限度地提高识别正确率，整个网络包括了许多层级不同的子网络。
每个图块输入到网络中后，先由第一级网络进行粗分类。
将输入的图片，划分成汉字、数字、英文字母、特殊符号这四个大类，然后分门别类地送入四个子网络中。
如果第一级识别的结果是数字，那么就会送进一个类似于手写数字识别的小型网络中进一步分类，看看属于0~9中哪一个数字。
英文和特殊符号的处理，也和数字差不多，只是输出结果的类别稍微多了那么一点点。
但如果经过第一级网络的识别，判断归属于汉字大类，那么处理起来就稍微复杂一些了。
江寒将5000个左右的常用汉字，划分成了4000多个子集。
然后使用自组织聚类神经网络（SOM），设计了一个拥有4000多个输出的分类器。
少部分子集只含有一个元素，意味着分类到这些子集中的汉字，可以直接输出识别结果。
大部分子集里含有2~30个元素，这意味着还需要送入第三级网络，进一步进行分类。
如果该子集中的元素，只有2~3个，那么就送进一个单字分类器中，识别出最终结果。
多于3的话，就送入细分类网络模块（RNM）中进一步分类。
循环进行前两步，直到每个子集的元素个数都小于等于3，然后逐一送入单字分类器中，输出最后的结果。
这就是这个集成网络的整个工作流程，其中使用了数百个中型神经网络。
这些神经网络在设计上大同小异，所以编程难度并不高。
麻烦的是，每个神经网络都得单独训练，而这需要大量的算力。
好在他早就在高新区地下的机房里，准备好了十几台高性能服务器。
将程序设计出来后，就连同训练数据一起上传到了那些服务器中。
这样一来，十几台服务器全力运转，差不多一两天就能完成训练。
请大家记得我们的网站：百书斋文学(m.bszwx.com)重生学神有系统更新速度全网最快。