深夜的宿舍内，只有三人起伏的鼾声。

    齐凡逛遍外网各大技术论坛，还有各类论文数据库，以及各种大小期刊数据库。

    他发现一个可悲的现实--没人想过要用GPU来跑深度学习模型。

    所谓的深度学习，就是N层神经网络的叠加。就好比是千层糕，每一层神经网络就相当于千层糕中的一层。于是一层又一层的神经网络叠加，这块千层糕就越来高。相对来说，就是神经网络的深度越来越深。

    因此，采用多层神经网络的模型才会被称为深度学习模型。

    而神经网络层数越多，模型的深度越深，势必就会带来运算量的增加。

    虽然深度学习的概念早就被提出了，可是碍于CPU运算能力的限制，也就是碍于硬件能力的限制，一直没得到长足发展。

    齐凡好奇。既然CPU的运算量能力不足，那干嘛不上超算，搞它个一堆CPU。众人拾柴火焰高，几百个CPU一块运算，就不信这还不够。

    正在他好奇之间，脑海中的系统面板有了变化。

    【任务--开启并行计算。奖励：经验、积分、一次中级转盘奖励。】

    齐凡嘴角邪魅一笑。他如今对这系统的尿性已经有十足了解。每当自己接触新东西时，就会触发这系统的提示。

    既然眼下系统提示了，那说明自己的路子就是正确的。

    并行计算？多核CPU还是用GPU？

    齐凡查了下多核CPU的现状。除了那些被当成国之重器的超级计算机，一般的服务器撑死了十几個CPU就不得了了。

    这系统不可能指引自己去碰超级计算机的，因为那玩意儿根本就不是如今的自己能触碰的。况且这任务的奖励是一次中级转盘，从奖励来看也不是难于上青天的任务。

    那也就只有两种可能。用多核心服务器或者是用GPU。

    齐凡先查了下CPU和GPU的运算原理。CPU和GPU相比，前者更像是串行计算，就是一条条数据排着队一次被CPU处理。而GPU则不同，它可以让格式雷同的数据，排排站手牵手并排地被它处理。

    多核心的CPU本身并未改变CPU的计算方式，只是相当于多找了些帮手。一个核心的CPU就是一个帮手，多核心CPU相当于一群人一起干活，但是每个人干活的方式却并未改变。

    那答案就呼之欲出了，肯定是用GPU来支持并行计算。

    而眼下遗憾的是，齐凡并未在网上找到任何相关的资料。不过呢，这既是他的麻烦，也是他的机会。

    因为没人做过，他就成了那个第一个吃螃蟹的人。

    齐凡当即上英威达的官网，下载了GTX 680的底层库。他打算动手自己写。

    这底层库非常不好找，在英威达官网极其角落的地方。或许连英威达官方都觉得不会有人拿显卡来跑图形计算以外的工作。底层库被打开后，也证实了这一点。

    整个底层库的应用介绍中，全部都是关于图形计算的。齐凡无奈吐槽：可怕的惯性思维，待我来给你们一点小小的震撼。

    贤者饮料被大口大口的灌下，齐凡快速检索着底层库的英文文档。

    这显卡底层库的设计初衷，是给Photoshop和CAD等绘图软件用的。因而提供的接口文档简直稀烂。英威达官方就没打算给个人开发者使用，而对于Photoshop那类大公司产品，英威达自然会派专业工程师负责对接。

    齐凡猜测，英威达肯定不会给那些大公司也提供这种晦涩难懂的破文档。这放在官网上的底层库鬼知道是什么垃圾版本，弄不好是bug一堆。可无奈，他眼下只好先凑合拿来用用。因为他要是给英威达官方发邮件，对方肯定不会鸟他。

    临近拂晓，齐凡总算用C++写了个英威达显卡的Python接口库。测试了下，果然bug一堆。而且细看那些bug，很多都是无厘头，在文档上找不到半点信息的。

    无奈，齐凡只好想了个折中的办法--跑去github吐槽。

    齐凡登录github账号。自己的那个去除马赛克项目又涨了不少start和评论。

    他灵机一动，正好利用这波小热度。

    于是他fork了一个去除马赛克2.0版本。

    很多人都在呼吁他出2.0版本，现在2.0版本来了。

    齐凡写了个项目介绍。

    “hello， everyone. V2.0 is coming.”

    “i got a good ideal， we can use deap learning with GPU for this work.”

    “now， all what i need is the fucking NVIDIA could offer their complete basic lib.”

    齐凡的意思是：他打算用GPU加持深度学习来出去除马赛克的第二版，现在万事俱备只欠东风，他需要英威达的完整底层库。

    齐凡项目刚创建，他的这个新项目就上了github首页推荐。然后项目第一条评论来自github官方维护人员。

    “it's a wonderful ideal， benefiting all humanity.”（这是一个造福全人类的伟大创意）

    齐凡只能感慨：果然有些东西是可以跨越种族和文化的界限。

    完成这一整套操作后，齐凡拖着疲惫的身躯爬上床睡觉。

    当他醒来时，宿舍已经空无一人。手机上的时间显示是下午一点。微信上自然少不了李月的消息。

    齐凡先给李月回了个电话，告诉对方自己还活着。然后洗漱完毕去食堂吃饭。

    至于实验楼那边，许阳三人按着先前齐凡的思路按部就班，齐凡以近日课业繁忙为借口，最近都不打算再去了。

    回到宿舍后，齐凡第一件事自然是登录github。

    我擦。他一声惊呼。

    新创建的V2.0版本，一行代码都没有，只有一个项目介绍文件，可竟然一夜之间就获得了上千个点赞。

    来自世界各地的屌丝们，对于齐凡用深度学习来去除马赛克的想法，佩服的五体投地。他们给齐凡升级了外号。

    原先齐凡的外号是driver master，简称DM。如今他的外号是：rocket driver，简称RD。

    大致意思是：齐凡的车速像火箭一样快，让众人始料未及。

    全球各大技术公司的CTO们，往往都在github这个顶尖开源网站上有账号，英威达的CTO也不例外。

    于是，英威达的CTO被一群人at。

    “offer your fucking basic lib， or we will kick your ass.”

    “yeah， right now， if u don't want to suck my dick.”

    来自世界各地的屌丝们情绪高涨，嚷嚷着让英威达CTO快点吧完整的底层库交出来，否则就要他好看。

    在一众技术屌丝们的狂轰滥炸之下，英威达CTO总算现身了。因为他要是再不现身，都有人号称要去英威达总部和他决斗。

    最后，齐凡真的收到了来自英威达CTO个人邮箱发来的一封邮件。

    邮件附件包含了最新的英威达显卡底层库，而且对方还表示：有任何问题都可以给他写邮件反馈。同时对方还向齐凡发来了一份实习邀请。因为齐凡在github的个人简介中有提到自己的年龄和教育背景。

    齐凡当然是先感谢了对方的帮助，然后婉拒了英威达CTO的实习邀约。因为他觉得自己如今的实力还不够，正是需要学习的时候。况且，远渡重洋好麻烦的。护照、路费，一堆的问题要解决。

    齐凡将最新的底层库下载下来，果然一下子就少了很多bug，他当即投入到了编码工作中。