林奇默默在纸面上重新打版，刚刚他已经将整个神秘的控制知识拱手托出，与着神孽交换。

至于对方是否会靠此找到成神的专门要是与切记，他也都无所谓。

火都烧到眉头了，谁还会估计明天的饭菜热不热。

而随着书写，林奇的板书笔法也越发飘忽——

训练后的神经网络以标签或预估值对数据分类，此乃推理。

因此每个神经元都需要进行计算。

输入数据乘以权重，表示信号强度。

结果相加聚合神经元状态。

使用激活函数调节神经元参数活动。

如此一步接着一步，连绵不绝。

按理说，三个输入而只有两个神经元与一个单层神经网络的话，权重与输入便要六次乘法……

如此一来，矩阵里的乘片与取片，都需要大量的cpu周期与内存，而tpu这种芯片，便是为了减轻这种负荷而生。

林奇忍不住皱眉看了眼周围。

某种程度而言，计算量的负荷和电网的负荷很类似，最大的负荷便决定了整体的高峰所在（计算难度），也决定了接下来他完成“ai芯片”后所能够到达的高峰。

而供与求有需要平衡，不然的话，第一道崩溃的便是自身。

只是他很快又重新被tpu的构架所吸引而痴迷起来。

只有深入一个项目，才能彻底体会他的乐趣。

因此懂是第一步环节。

这也是棋类活动里，容易入门的象棋比起围棋受众要光，而五子棋又比起象棋还有光。

林奇越看，越发忍不住啧啧称奇。

这tpu的架构居然采用了量子技术，在预设的最大值和最小值与八位整数之间的任意值的近似过程里，tpu居然包含了足足六万五千五百三十六个八位整数乘法器，直接将32位或者16位的计算压缩成为8位。

实现了曲线的离散化。