第60章 开始强化学习训练（1/2）

之后几天，有点等不及的陈一然开始高强度骚扰ted。

“绿卡怎么样了。”

“不是吧大佬，我是律师，我不是美国总统！i-485和i-140都交上去了，指纹也打过了，移民局那边没有要求补件，也不需要排期，但是美国政府的效率就是这样的，只能等呀。这周从周一到今天周三，你天天给我打电话催也没用啊。”

“下雨天打电话，閒著也是閒著。”

“我中文很好！我知道这个歇后语！大爷啊，你饶了我吧，你这么想买枪，先去靶场过过癮就可以了啊。桑尼维尔那边，有一个华人开的室內靶场，老板我熟。给你打折，你少催我一下行不行。”

“把地址给我，有时间我去看看。”

陈一然说是这么说，还是坚定的每天给ted打电话，然后又开始阴阳怪气。

什么这么大的律所，就没什么特殊渠道。电影里人家都是隨便打几个电话，联繫几个大人物就搞定了。fenwickwest的能力和人脉，看来也就那样之类的。

周五早上，ted被折腾的不行，给他下了保证之后的两周一定能给办下来，求陈一然下周放过他。

陈一然嘴上同意了，但是觉得还是看看下周心情，心情不好还是可以继续打电话的。上次一个案子可是给了律所30万美金，为了帐单好看一些，ted把车子保养的时间都算在他头上了，美其名曰，是因为频繁开车来找陈一然，才导致车子需要保养，所以这时间也要算时长。

不过到了到了公司，陈一然的心情变得很不错。

因为高德伟给他匯报，团队已经跑完了两个basele，然后把一张纸给了他。

这是林志伟整理的完整数据表格。

adaptec1，二十万个cell。

隨机basele：hl是ispd2006官方公布最优解的2.3倍。

模擬退火basele：经过阿密特调的参数，跑了一整夜。最终hl收敛，成功达到了官方最优解的1.18倍。

可以说，第一次测试，就超出了预料。

陈一然一边看数据，一边让茉莉查缺补漏。

“林志伟，你在synopsys的时候，icpiler刚开始跑adaptec1第一次结果是多少。”

“1.15到1.2之间，要再调很多参数才能逼近1.05。”

“我们现在一周调出来的模擬退火，已经接近synopsys商业工具的新手设定了”

林志伟靠在椅子上有点兴奋的说：“这还只是模擬退火，我们真正的方向是强化学习训练，老板你真神了。”

高德伟转过来看陈一然：“说得对，模擬退火只是锚点，强化学习训练什么时候能开始。我有点迫不及待了，我没想到deepflow增量计算可以这么强！”

“周天佑你那边集群状態怎么样。”

“三台r710全负荷已经跑了两天了，因为有deepflow的增量计算做底层，每次cell移动不用重算全图线长——传统模擬退火一晚上跑几万次扰动，我们跑了快两百万次。所以adaptec1一次完整sa收敛只用了六到八小时。

这还只是用deepflow当加速器。强化学习训练的时候就不一样了。按照我们的计划，deepflow不只是算得快，它可以在几十个並发上同时探索不同的pt方案，然后把经验匯总。”

陈一然点点头说：“我懂你们的意思了，所以说gpu迫在眉睫了是吧。”

高德伟点点头说：“计划赶不上变化啊，老板你这个deepflow写的太好了。没想到效果这么好，我原计划是先验证basele跑通了再考虑gpu扩容，按照我最初的估算，工具链搭建加basele怎么也要三四周，要是不顺利的话，可能得一两个月。”

周天佑在边上表示赞同：“强化学习跟模擬退火可是不一样的，模擬退火是传统算法，cpu就够了。但强化学习要训练神经网络，纯cpu一次叠代不是小时级的事。我建议我们必须买gpu了，r710每个每个上面能插两个。”

拉杰在感觉自己终於有了用武之地，赶紧开口：“用c2050就可以，nvidia內部做cuda验证用的就是feri架构的测试卡，跟c2050同代。我在验证团队的时候跑过不少计算密集型的负载，双精度浮点性能对pt的神经网络来说足够了。“

“行，这种应该不是我们去bestbuy就能买到的吧。“

陈一然拿出手机，打给了琳达。

“琳达，帮我找渠道订六块nvidiatesc2050，还有对应的dell的pcie扩展套件，r710用的。快的话今天，最慢周一应该是能送到的吧。“

“好的陈先生，我可以帮您联繫，戴尔和英伟达在硅谷这边发货很方便的，下午应该就全能给您送来。“

掛了电话，公司里所有人目瞪口呆的看著陈一然，

还是高德伟直接开启了吐槽模式：“这就是有钱人吗，我们自己联繫戴尔不就好了，你这还要使唤別人。“

“这叫高效，节省时间。“

本章未完，点击下一页继续阅读。