前面幾天大致上介紹了關於Learned Index的概念與初步架構，如果前面的都忘了，或是沒有聽懂的地方，只要知道就是建置Model來取代傳統索引就好XD

沒有瞭解的同胞們，抱歉~不是你們的問題，就是我的問題(廢話XD)，好啦~應該是我的表達能力有問題，請多多包容...QQ

廢話不多說，繼續亂寫文章 ! XD

Kraska et al. 對於Learned Index進行初步的測試，他們建置2層 32 x 32 的神經網路的模型，每個神經元的激勵函數使用ReLU。

他們所使用的資料為網頁系統200M筆的Log資料，阿就是2億筆資料，以timestamps為key值。

訓練的特徵即timestamps，標籤為pos ( =CDF(key) )。

套件使用Tensorflow，以Python語言調用 ~

訓練完後，針對Model進行look-up時間測試，隨機選取key值進行測試。

這裡所說的look-up時間測試是指Model預測的時間，也就是執行Model所花的時間，並不包括最後的查找 ( 預測錯誤後進行 binary search )。