他坐火车到了雅安，下了站，一辆黑色比亚迪s6把他接进山里。
第一次走进机房的时候，他站在门口愣了将近两分钟。
几千张gpu。
那个黄毛少年没有骗他。
入职一个月后，他把之前在微软亚研院的那套改进型卷积网络搬了过来，在这边的算力下重新训练。
效果立竿见影。之前四张gtx780跑十二天的任务量，在这边不到两天就能收敛完毕。
算力充裕之后，他开始做一件以前想都不敢想的事。
加深网络。
卷积神经网络的层数越深，理论上能提取的特征就越抽象、越高级。
但实际操作中，网络超过二十层就会出现一个要命的问题：梯度消失。
简单来说，训练信号从输出层往回传的时候，经过太多层的连乘运算，到了前面几层就衰减成了几乎为零的数字。
前面的层学不到东西，整个网络等于白深。
这个问题卡死了全世界所有试图做深层网络的研究者。
任少卿也被卡住了。
他试过各种补救办法。换激活函数，调学习率，加batchnormalization。
有些有用，但都治标不治本，网络超过三十层之后精度就开始往下掉，跟没加深是一个样。
在连续失败了将近两个月之后，某天凌晨三点，他趴在键盘上半睡半醒。脑子里突然蹦出来一个念头。
如果不让梯度穿过所有层呢？
如果给它开一条捷径呢？
他一下子坐直了。
思路很简单。