眉头。
ImageNet？
他仔细在脑海里搜索了一下，自己之前并没有听说过这个比赛的名字。
李飞飞教授的名字他倒是有所耳闻，知道是一位在学术界比较活跃的华裔学者。
但是，数百万张人工标注的图像？
这个规模让张建忠感到有些不可思议。
现在的计算机视觉领域，主流的研究方向还是如何让机器理解图像的几何特征、边缘轮廓这些逻辑规则。
大家用的数据集，通常也就是几千张图片。
弄几百万张图片来做比赛？
这算力需求得有多恐怖？
张建忠虽然有些疑惑，但看着这段简介，他敏锐的商业嗅觉告诉他。
这个比赛的规模绝对不小，而且极具前瞻性。
张建忠没有立刻下定论。
他把椅子转过去，面对电脑屏幕，打开了浏览器。
他在搜索框里输入了“ImageNet”和“李飞飞”。
按下回车键。
网络上关于这个项目的资料并不算多，因为它还没有正式引起轰动。
但张建忠还是找到了一些李飞飞团队发表的早期论文和项目愿景。
他快速地浏览着屏幕上的文字。
越看，他的眼神越亮。
他终于明白了李飞飞想要做什么。
她提出了一种与当前学术界主流截然不同的思路。
她认为，想要让计算机真正学会认识这个世界，不能靠人类去教它规则。
而是应该给它看海量的数据。
海量的、已经打好标签的数据。
让计算机自己从这几百万张图片里，去找出规律，去总结特征。
张建忠的大脑飞速运转。
几百万张高分辨率图像，如果用传统的CPU去一张张处理。
去提取特征，去做比对。
那所需要的计算时间，将是一个天文数字。
一个普通的实验室，根本跑不动这种规模的数据集。
但是。
如果用GPU呢？
如果用拥有成百上千个流处理器、擅长大规模并行矩阵运算的GPU呢？
张建忠瞬间意识到，这个庞大、消耗算力的ImageNet数据库。
简直就是为了英伟达的显卡量身定制的最佳试炼场！