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。”陈神开了一瓶快乐水，到网上查了查各种服务器的性能，很快就相中了其中的一款。

把链接和需求发给王倩之后，他就当起了甩手掌柜。

而在此时。

&ems