马斯克有这一问，也是私下里的随口一提。
但他名头太大，以往自己做的事情又太疯狂，导致孟繁岐听着他那颇为低沉，有磁性的声音之时，当了真。
还真以为这是个非常严肃认真的需求。
“自动驾驶的热度确实也快起来了，我专门针对这方面做点优化工作，也不算亏。”
孟繁岐一边利用着重生优势开始抄底一些车企的股票，一边开始着手实现一个巧妙的加速并且节省内存的方式。
这个新的优化办法叫做网络结构的重参数化。
这半年来，视觉方法性能的突飞猛进来自于孟繁岐提出的残差方法，也就是将y = F(x)变为 y = F(x)+ x。
这里的写法比较简便，将一系列复杂的操作，抽象归纳为F()，在实际运算过程中，这个F()还是比较复杂的，往往需要算上好一会。
但在计算的时候，就有一个问题了，原本y = F(x)运算开始的时候，就不再需要继续存储x这个变量了，因为它已经在参与F(x)的运算。
在运算过程当中，它会变成其他的中间变量，然后最终变为我们所想要的y。
可在残差办法当中，y = F(x)+