这天，江寒刚下课，展飞忽然召见。

见面后，校长大人爽朗一笑：“小江啊，最近工作挺辛苦的吧？”

“还行。”

江寒随口应和了一句，有点弄不清对方葫芦里到底卖的什么药。

展飞关怀了几句后，笑眯眯地说：“基于你在‘九章’和教学上的成绩，咱们学校给你争取了个待遇。”

“待遇？”江寒一怔。

自己的待遇还不够好吗？

才二十岁就评上了副教授。

要知道，由于名额有限，很多任教二十来年，四十来岁的“老”教师，还在排队等着呢！

展飞笑着说：“副教授只是职称，远远不能匹配你的能力和贡献，所以经过研究，跟上面争取了一个名额……”

跟着介绍了一下详细情况。

“待遇比照青千计划？”江寒十分意外。

“青千计划”可不容易入选。

50万的生活补助、3年100万~300万元的科研经费补助……

种种条件，不知会让多少人羡慕、嫉妒、恨！

不过，“青千计划”面向的是海归学者，而自己是彻头彻尾的本土派……

展飞对此的解释是：“对于特殊人才，自然要有特殊的政策。”

他的意思很简单：待遇应该与贡献和科研能力挂钩，不该以出身论英雄！

并且，江寒没有海外求学经历，却能媲美任何“青千计划”的人选，在展飞看来，这一点尤其可贵！

这个待遇也是江寒应得的。

其他成就姑且都不论，一个“九章”原型机，就足够他被特殊对待了。

回到办公室后，江寒刷了会儿“材料学”方面的论文。

就在这时，方源来了。

小方同学已经正式入学了，成了科大少年班的一名新生。

他原本只打算先过来读个预科，没想到展飞在这件事上，又开了次绿灯……

“方源同学，过来坐。”江寒笑着招手。

方源腼腆一笑：“老板……”

江寒潇洒一摆手：“在学校，叫老师就行。”

“嗯，江教授。”

“什么事？”

方源迟疑了一下：“我能不能跟您学习机器学习？”

江寒莞尔一笑：“这有什么不行的？不过你得先把高数的基础打好，在机器学习离不开数学。”

方源点了点头：“这个我知道，其实这段时间，我已经把高数和线性代数看完了，题也做了不少。”

江寒眼睛一亮：“哦？挺给力的嘛！”

微微沉吟了一下，又说：“那我给你出套卷子，看看你的水平。”

方源用力点头：“没问题！”

江寒只用了二十分钟，就出好了卷子。

主要围绕机器学习可能用到的高数和线代知识。

题目不简单，覆盖面也挺广。

但让江寒意外的是，方源比他想象中更加给力。

这小子只用了一个小时，就以满分的成绩，完成了试卷！

江寒十分满意：“不错！有这个水平，你的确可以入门机器学习了。”

接下来，他就找了基本相关的教材，扔给小方同学，让他回去自学，有不懂的再来问……

方源礼貌告辞，临走带上了门。

江寒则继续刷论文。

忽然，邮箱助手弹出了一条消息：“您有一封新邮件。”

江寒随手点开，密密麻麻都是字母。

江寒哑然失笑：“大概又是什么广告？”

再仔细一看，竟然不是英文，打开浏览器，复制、粘贴、搜索。

这才发现，原来是德语。

江寒并没学过德语，不过借助网络和词典，还是能弄清楚大概意思的。

半个小时后，江寒翻译完了这封信。

来信者自称“汉斯”，是德国某着名大学的教授。

他说自己对“人工神经网络”十分有兴趣，并且，在看到江寒的论文后，也深入学习了一番。

还仿照那上面的内容，自制了一些简单的CNN、RNN之类的网络……

随后又说，他碰上了一些很麻烦的问题，希望江寒能不吝赐教。

比如，他在试验某个多达127层的深度学习模型时，每次训练到大约三分之一进度，就会出现各种意想不到的问题。

问题的类型，随超参数的选择而有所不同。

比如随着网络深度的增加，参数的梯度范数指数式减小，参数的变化十分缓慢，学习过程接近停滞；

又或者，给定层的隐藏单元的维度变得越来越低，参数矩阵的乘积变得越来越线性相关……

汉斯诚恳地询问，江寒知不知道造成这些情况的原因，以及有没有办法解决？

江寒沉思了一会，便在电脑上回信。

“您在来信中反映的问题，我也遇到过，前者，称作梯度消失，或者爆炸，后者，我把它叫做‘网络退化’，这主要是由于当网络层数过深时……”

“有时，增大全局的梯度范数，会导致性能下降，而引入另一种运算，减小梯度范数，却有可能大幅提升网络的性能……”