陈洋得告诉这个笨蛋模型若干次：大的、植物果实、不太圆、肯定不是完美圆的红色、淡粉红色的这个东西，是苹果！
感谢过两位高手之后，陈洋做出了自己的判断，他认为两位高手的说法各有可取之处，数量，决定模型的广度，质量，决定模型的精度。
除了数据数量和质量之外，数据的分布也非常重要。在训练神经网络时，需要将数据分为训练集、验证集和测试集。这些数据集应该包含具有不同特征的数据样本，以避免出现过拟合或欠拟合等问题。
陈洋反反复复在办公室里踱步，虽然产生了问题很恼火，但是所有的研发都这样，怎么可能一次成功，都是反复不断的试错，最终都不一定取得成果，唯有坚持下去。
陈洋抱着脑袋想了一天，终于想明白为什么不建议他去找流处理器数量上的甜蜜点。
因为芯片会在生产时进行分级筛选，屏蔽掉生产时出现问题的流处理器，然后把整块芯片降级使用。
比如Vega核心完整流处理器数量是4096个，屏蔽一部分可以变成3584个，商业上的销售名称就从Vega64变成了Vega56。
这种知识和经验，如果不是曾经拉通过整条产品线的人根本想不明白，代工厂生产和商业选择的结果，反过来对芯片设计工程师设计初期造成影响，给新手理解完全就是匪夷所思的事情。
如同早晨吃过一堆东西，晚上发现身体不适，这时候自己知道食物过敏了，而准备早点的阿姨却对此一无所知，假如不通知她，明早还会是这个结果。
其实克里斯丹尼尔还打算调来辉达图形的算力服务器，结果一看陈洋他们用得是超威半导体的服务器，顿时表情怪异起来：“陈，你要知道，论起CUDA，我们的算力集群才是世界第一，超威半导体？他们是向量计算SIMD单指令多数据的异教徒。”
尽管超微和辉达的恩恩怨怨发生在企业层面，普通员工的交往流通也很频繁.
但是就具体技术而言，研发工程师们确实对于某些技术存在信仰，也确实对自身信仰的技术事业奋斗终身。
没有信仰，谁能把一件事坚持一辈子？
前有困惑了数十代工程师的锗硅之争，这个命题相当大，直到二十一世纪第一个十年IBM工程师还是有不信邪的，搞出来锗硅芯片，确实性能比同期的硅芯片性能高，就是成本造价受不了。
后有点采样和双线性插值的像素填充方式，单指令多数据和多指令多数据的处理器架构，共享内存还是全局内存……
反正在工程师眼中，与自己技术路线相悖者一律应该被扣上了“异端”的帽子，只恨宗教裁判所这些年威望不彰，不能像点哥白尼一样点火烧了，多少留有几分遗憾在心头。
就这么说来，怕是党同伐异才是天下至理，人间正道。
