我入门AI的学习感想

今天回答一个朋友问的问题。

“我在入门深度学习的过程中，从配环境到 debug 全是坑，解决问题的时间远超跑模型的时间。

为什么入门深度学习这么难？”

这个问题真的问到我的心坎里了，我只能说，入门深度学习这件事，我有经验。

如果你也有类似的疑问，一定要往下看。

多年前，我从机械硕士毕业转码搞软件开发，然后转行做深度学习算法，已有不少年了。

转行的过程，就是从零开始的过程。

无论是自学C++、Python这种编程技能，还是学习AI算法，还是钻研计算机体系结构，每一部分都有很多的感悟。

这里重点说一下学习AI算法的经历和感受。

记得第一次参加与深度学习算法的面试时，是一个小公司，面试官问我什么是权值？

那会儿深度学习还远不像现在这么火，面试问的问题很基础，什么是权值这种简单的问题，我估计是真的很难再碰到了。

但那次面试失败了。

后来又面过很多公司，最后幸运的是进入了一家 AI 芯片算法公司，在那里有大量的时间边工作边学习，算是入门了深度学习。

看下我当时是怎么入的门？

1. 基础技能欠缺，就想尽一切办法弥补，不要瞻前顾后。

比如，我当时C++基础有些薄弱，就买了一个399的C++课程，一个百度资深工程师的录播课。

我每天上下班路上坚持看。

从家里到公司坐地铁刚好半小时，每天上下班看一个小时，坚持了 3 个月，将课程视频来回看了 6 遍，然后到公司一有闲暇时间就练习课程中的技术，3个月下来，C++就真的是很熟练了。

以至于后来的面试，我甚至可以和面试官探讨很多C++模板的底层实现。

一旦学会了C++，再去学python就真的非常容易。

2. 要学深度学习算法不要光看书，一定要练手，一定要亲自写算法。

吴恩达的课程很经典，很多入门深度学习的同学都会看，我当时也看了，吴恩达也算是我半个深度学习理论的领路人吧。

在学习算法原理的基础上，我会把很多算法都自己实现一遍，这得益于C++和 python 技能的熟练。

自己手写这些算法是为了加深对这些算法的理解，为什么要手写，因为调用三方库和自己手写是两种完全不一样的学习体验。

调用三方库比如 numpy 或者 torch，很多人都会调用，但是对初学者来说只是会使用，我认为算法本身只有自己可以手写出来才是真正学到手。

我还手写过不少的神经网络。

比如Github上放的这个是我曾经写过的一个，链接为：

https://github.com/dongtuoc/resnet50_zero。

目前已经收获了97个星标了，有点意外。

如果你想有一些代码实战，可以去上面的链接pull下代码试一试。

在完成以上两点(编程基础和算法基础)之后，我的深度学习入门基本就完成了。

剩下的就是在工作中不断地打磨自己对算法的理解，不断的精进自己的水平。

最后，再回答一下上面那个同学的问题。

深度学习入门确实很难，但秘诀也很简单，那就是——

学习加实践，再加一条坚持就可以了。

初学确实很多东西看起来都不懂，但是一点点啃下来之后，就会发现难点正在就一点点消失，这其中最怕的就是半途而废。