「理论和实践的结合，这是一个很重要的视角。这位同学叫什么名字？「

「陈阳。「

「陈阳同学的回答很有深度。

「姚教授对全班说，「大家要记住，学习计算理论不是为了证明数学定理，而是为了理解计算的本质，从而在实践中做出更好的设计。「

下课后，陈阳收拾东西准备离开。

「陈阳。「

姚教授站在讲台上，朝他招手。

「你刚才提到的启发式算法，「

姚教授看着他，「在什么样的实际场景中用过？「

陈阳知道，机会来了。

「我暑假的时候创办了一个爬虫公司，做数据分析。「

陈阳说，「在爬取数据的过程中，遇到了一个很棘手的问题，验证码识别。「

「验证码？「姚教授来了兴趣。

「对。传统的图像处理方法效果很不稳定，「

陈阳说，「所以我开始研究深度学习的方法来解决这个问题。「

「深度学习？「姚教授眼中的赞许更明显了，「这个方向很前沿。你遇到什么困难了吗？「

「遇到了。「陈阳组织着语言，「当我把网络层数加深的时候，出现了梯度消失的问题。反向传播到浅层的时候，梯度已经接近零了，导致浅层根本训练不动。「

姚教授点点头，这是深度学习领域人尽皆知的难题。

「我查阅了很多文献，「

陈阳说，「Geoffrey Hinton的预训练方法丶Yann LeCun的卷积神经网络，都给了我很多启发。我尝试用ReLU激活函数代替Sigmoid，用Dropout防止过拟合，用数据增强扩充训练集。这些方法确实有效。「

「效果怎么样？「

「梯度消失的问题基本解决了。「

陈阳说，「但随之而来的，出现了一个新的问题。「