“用深度网络来提取图像中的稳定特征点，替代传统的人工设计特征”
“理论上，这样能获得更鲁棒、更具判别力的特征表达，尤其是在纹理弱、光照变化大的环境下”
他说得有些快，眼镜
后的眼睛闪着光。
李乐听不懂，但“意义重大”、“捅破窗户纸”这些词还是能抓住的。
他知道张万和他的团队一直在底层算法和模型结构上啃硬骨头，这个“DBN”听起来，像是送来了一把更趁手的凿子。
“要跟这个方向？”
“对，须跟进。这是一个范式级别的启发，很多之前不敢想或者想了做不到的深层模型，现在有了训练的可能性。”
李乐点点头，很干脆地问，“要钱？”
张万一愣，随即失笑，脸上的皱纹都舒展开，“瞧，还是跟你这种……嗯，抓重点的交流效率高。”他本来想说“不懂技术的”，临时改了口。
李乐却抓住了，狡辩道，“谁说我不懂？我只是不跟你们显摆那些术语。我知道梯度消失大概是个麻烦，知道能训练深层网络是好事。这就够了。需要多少，你做个详细的预算和方案，我找宋襄，让那边协调资金。
张万斟酌了一下，“主要还是算力。深度网络的训练，我们现在的几台机器，跑小规模的实验还行，一旦数据量上去，模型层数加深，训练一个模型可能要几周甚至几个月。时间成本太高，迭代速度太慢。”
“如果能配一个小的集群，哪怕只有几台，运算效率也能提升几十倍。另外，还需要一些高性能的存储设备，用来存放和处理大规模的训练数据集。”
张万难得话多，又絮絮叨叨讲了些深度信念网络的技术细节，什么受限玻尔兹曼机，什么对比散度算法，什么逐层贪婪预训练。
李乐听着，左耳进右耳出，偶尔“嗯”一声，表示自己在听，但眼神已经有些放空了。
“……所以，从理论上讲，这个框架能让我们构建一个十五到二十层的深度网络，从而学习到更具抽象性的特征表达。这可能会是计算机视觉领域未来五到十年最重要的一个方向。”
“哦，那挺好。”李乐说。
“尽力而为。”张万推了推眼镜，“说到底，实验室这些年，能产出那些成果，也多亏了你的支持。”
“什么支持不支持的，”李乐摆摆手，“我就是
个搞后勤的。真正在一线攻坚克难的，是你们这些技术专家。没有你们，我就是把钱堆成山，也烧不出一篇论文来。”
张万没再说什么，只是笑了笑。
这时，张了了已经穿好鞋，从屋里走出来。他走到张万身边，安静地站在他腿边，仰着脸，等。
李乐看着张了了，忽然低声道，“张老师，您这一个人，又搞科研又带孩子，总不是长久之计.了了还小，需要人照顾。您自己也……”
听这话，张万笑了笑，那笑容里有些疲惫，也有些看开的淡然，“没事儿，我能应付得来。了了比很多大人都省心。以后，科学就是孩子妈。我们，陪着孩子长大。”
李乐一时不知该说什么，只能点点头，“有什么需要帮忙的，千万别客气。”
“谢谢，”张万低头，看了儿子一眼。院子里的灯光落在张了了圆嘟嘟的脸上，细腻，白净，带着暖意。
“跟老奶奶、曾老师，阿姨们说再见了吗？”张万问。
“说了。”张了了点头，“在屋里的时候就说过了。”
张万伸手，想牵儿子的手。张了了犹豫了一下，还是把手伸过去，被爸爸握在掌心里。
“那我们先走了。”张万对李乐说，又堂屋门口和老太太，曾老师，大小姐还有两个娃告了别，领着张了了出了院子。
“等一下。”李乐把人送出来，忽然又转回去，不一会儿提着一个大塑料袋出来。袋子是超市的那种，透明的，能看见里面花花绿绿的包装。薯片、巧克力、威化饼干、酸奶.
“拿着.”李乐把袋子递过去。
张万看了看那满满一袋零食，有些不好意思，“这……太多了。”
“多什么多,家里最不缺的就是这个，你就收着吧。”
张万没再推辞，把袋子挂到电动车的车把上。塑料袋沉甸甸的，车把立刻歪向一边，他扶正了，又用脚撑稳住车身。
“跟叔叔说再见。”张万已经跨上电动车，拍了拍后座。
“叔叔再见。”张了了坐上去，小手抓着爸爸夹克的后摆，回头看着李乐。
“诶，下个礼拜别忘了来，想不想吃口水鸡？”
“想！”
“哈哈哈哈，这小子，长了个吃心眼子。”
“嗨，会吃才会生活。”
“走了啊。”
“