摘要：本文创造性地将卷积神经网络运用到嘉晚饭的01问题上，希望能让机器学习训练出的模型为我们提供解答。实验搭建了简单的卷积神经网络，选择交叉熵损失函数并用Adam，SGD，AdamGrad等优化器对参数进行优化，在自行搭建的01数据集上正确率达到了80%以上。将嘉然与向晚的图片分别丢入模型，分别输出两者为1的概率。

关键词：然攻 晚攻 卷积神经网络

前言

近年来，随着“嘉晚饭是真的”的事实深入人心，糖瓷碗的队伍也在不断壮大，优质的二创也不断增多。但值得注意的是，各位糖瓷碗对于“谁1谁0”的问题一直争论不休，甚至撒泼打滚、大打出手。可以说嘉晚饭的01问题已经成为亟待解决的世纪难题。为丰富嘉晚饭01的理论体系，笔者尝试运用卷积神经网络构建女同01判断器，探寻然攻最强的真相。

一．01数据集构建

神经网络的训练需要合适的数据集支撑。对01判断而言，外貌是一个重要的指标。在动漫或漫画领域已有不少01分明的百合作品，如终将成为你、牵牛花与加濑同学等等。由于图像范围有限，采集困难，我们仅采集了100张这样的图片，将其手动标签为0与1，搭建了一个简单的数据集。其部分示意如下：

图像均为RGB三通道图像。由于图像大小不同，在读入时采取了随即裁剪的策略，保证读入时均为256*256像素。图像中70%作为训练集，30%作为测试集。

此外还分别收集了嘉然与向晚各40张图片，用于在模型训练完成后判断嘉然与向晚的01含量。部分示意图如下：

二．卷积神经网络的搭建

略。（可在CSDN中搜索“基于卷积神经网络的嘉晚饭01判定器”查看）

三．训练结果及分析

在训练集上，采用交叉熵损失函数计算loss值，并用Adam算法对loss进行优化，如图所示为loss随batch_idx的变化，可见在几次epoch之后模型的loss值基本稳定且趋近于0，收敛速度比较快。在测试集上验证模型，最终准确率为80%。

我们将嘉然与向晚分别40张图片丢入，让模型分别判断每张图片为1或为0，计算图片中被归为1的图片数量占总数的比例，作为嘉然与向晚为1的概率。实验中进行多次测试，取平均值，最终得到向晚为1的概率为76.92%，嘉然为1的概率为36.84%：

绘制饼状图直观表示：

可以看到晚晚为1的概率比然然要高不少。

四．总结

在此次实验中，我们构建了01判断模型，从图像角度入手对嘉晚饭的01问题进行了分析。但是值得注意的是，此模型的构造完全基于外貌，会受到发色、脸型等因素的显著影响。输出向晚为1的概率更高仅代表在一定的统计意义上，向晚拥有更多百合关系中1的外貌特征，并不意味着向晚在嘉晚饭中就是1。“我1你0”才是嘉晚饭相处模式中不受外貌、时间等因素影响的亘古不变的真理。当然，谁0谁1虽然是关键性问题，但这个问题的答案不影响嘉晚两人的美好关系，更不会影响诸位糖瓷碗对嘉晚饭的喜爱。

结合我们对嘉晚饭的深入理解，向晚在这段关系中显然不可能是1，因此我们可以说此次模型的搭建是失败的，缺乏考量的，不理智的、可笑的。在搭建模型时可以考虑更多的因素，如语言习惯，相处习惯等，这些需要采集更多的数据并进行合理的数据处理。实验中由于已有01资料较少，难以整理，导致数据集较小，可以通过裁切旋转加入噪声等数据增强的方式增加数据集数量。

附录

代码（可在CSDN中搜索“基于卷积神经网络的嘉晚饭01判定器”查看）