齐凡考虑到这個库的通用性，特地没有将它和python环境捆绑，而是提供了开放的接口。也就是说，后续其他人可以在此基础上将其应用到python之外的编程语言。
在用上这个数学运算库后，运算速率直线上升。在gtx680满负荷的情况下，跑一次训练的时间只需要5秒钟。而cpu50%负荷的情况下，跑一次训练需要1分钟。这简直就是质的飞跃。
这让齐凡进行一次完整的万次训练只需将近14个小时，而原先则需要将近7天。
四天后，在经过完整的6轮迭代后。第一稿具备自学习能力的目标检测和识别模型诞生了。
齐凡将其命名为：xcnn_dt_1.0。
xcnn_dt_1.0支持使用者传入自定义的标注数据，支持二次训练，可用于各类特定的符号识别场景。
也就是说：这并非是专用于识别某一类符号的，而是可以用来识别各种符号。
不管是数字、标点，还是英文，甚至是某个大聪明自己发明的什么字符。xcnn_dt_1.0都可以识别。
xcnn_dt_1.0可以识别它没见过的字符，其原理是它的自学习功能。当然它的自学习功能也没神奇到什么都不用做，就能完全自主学习。它还是需要有人告诉它每个符号的意义。
比如：这个符号是“0”，那个符号是“1”。
只要告诉xcnn_dt_1.0每个符号的意义，剩下的就是训练，在训练跑完之后。它就能完成识别。
一句话：它可以识别它见过的所有符号。
当然，由于汉字比较复杂。它目前对汉字的支持度还不高。
齐凡另外创建了第三个项目，项目名称就是：xcnn。
他在项目介绍中仔细阐述了xcnn的设计思路，以及优缺点。并且开源了所有的代码。
为了给粉丝们一个交代，齐凡将xcnn描述为：自己在开发去除马赛克2.0版本时的神来之笔，是副产物。