90 lines
9.6 KiB
Markdown
90 lines
9.6 KiB
Markdown
# 结束语｜人生充满选择，选择与努力同样重要
|
||
|
||
你好，我是方远。
|
||
|
||
固定的打招呼开头，但是这节课却是咱们这个专栏的最后一节课了。感谢你一路坚持学习到这里，现在有没有感觉要解放了？哈哈。
|
||
|
||
不过解放之前，让我们一起快速回顾一下这门课程咱们学了什么，我也会像电影点映后的发布会那样，顺便揭秘一下，我为什么要这样讲。
|
||
|
||
咱们的课程核心是PyTorch实战，但是实战就跟习武一样，得先挑几件趁手的兵器，要不只能秒送人头。
|
||
|
||
正所谓“工欲善其事，必先利其器”，所以在最开始的时候，我们并没有上来就聊PyTorch本身，而是讲了如何使用NumPy工具，还一起研究了Tensor的数据结构。
|
||
|
||
如果你是一个算法工程师，很容易就会发现，在非常多的场景下都有NumPy的出现，因为无论从数据操作的便捷性、友好性还是通用性，NumPy都是强大到没朋友。就算你以后不用PyTorch开发，甚至不做深度学习开发，NumPy也是你躲不开的宿命。所以，我希望你在以后的学习中，对于NumPy以及Pandas的内容还是要多多关注。
|
||
|
||
而我们之所以要花不少篇幅来学习Tensor，也是因为它的通用性。不过咱们以前都习惯了dict、list、set这样的数据结构，以及NumPy中ndarray这样的通用数据处理格式，忽然转变操作数据的方法，肯定是有一个适应的过程，特别是像数据切片、数据变形、维度变化这样看不见、摸不着的操作，你感觉一个脑袋两个大，也是很正常的。
|
||
|
||
我想和你强调的是，Tensor玩转了之后，在以后的深度学习开发中，无论你使用PyTorch还是TensorFlow亦或是未来新出来的框架，都可以让你快速上手，从青铜迅速变王者。
|
||
|
||
掌握基础工具的使用，就如同选好了一把大宝剑，接下来就得学习训练模型所需要的招数和心法了。深度学习常用的内容比如卷积、损失函数、优化函数、梯度更新都是重中之重，甚至可以说是缺一不可了，咱们花了不少篇幅来细致地讲解其中的知识点，相信你现在应该也到了张口就来的地步了。
|
||
|
||
为了聚焦重点，其他类似全连接、池化等简单的结构咱们则是简要带过，你有兴趣可以课后了解，毕竟咱们要快速上手的。既然是实战，咱们就要从实际、客观、高效的角度去借鉴前人的工作成果，于是例如Torchvision、可视化工具、分布式训练方法等内容可以让我们少绕弯路，直达目标。
|
||
|
||
兵器也有了，武功也会了，就得出门下山历练了，否则光说不做，就全成了嘴上功夫。每一个成就的解锁，都需要我们挑战一个个艰难的任务，所以我特别为你安排了图像和文本算法任务这两个大Boss。
|
||
|
||
细心的同学不难发现，在每个任务开始之前，我都会向你介绍这个大Boss的背景，比如在NLP部分，我先向你介绍了NLP领域的几大内容、常用算法等，这样你才能更好地理解任务的目的和解决思路。
|
||
|
||
当你完成了整个课程，就相当于完成了习武历练的过程，从此以后，你就可以独立完成基于PyTorch的深度学习Pipeline了，是不是非常棒？
|
||
|
||
|
||
|
||
但是这就是全部吗？**不是，还差得远。**
|
||
|
||
通过这样一个PyTorch的专栏，最根本的目的不是让你知道如何使用它，而是希望你借助它高效便捷地了解深度学习。这个[链接](https://pytorch.org/docs/stable/index.html)是PyTorch的官方文档。你会发现这里面的内容浩如烟海，但是我们没有必要把它所有的函数功能都学会，它是一个工具，仅此而已。
|
||
|
||
所以，临别之际，对于即将踏上AI之途的小伙伴，我有几句话想对你说，简单概括是“五个保持”。
|
||
|
||
第一，保持好奇。人工智能是一个更新迭代非常快的领域，以前很火的内容，可能没过多久就过时或者很少使用了，比如之前的RNN之于现在的Attention。所以你一定要多看论文，每年的顶会论文都是最好的学习资料。
|
||
|
||
后面我列出了CV和NLP领域的顶会，供你参考。
|
||
|
||
|
||
|
||
看完这份清单，有心人自然知道去搜搜这些会议的时间。会议结束后，你就可以自行查找各种论文的分析介绍了，当然还是建议你尽可能看原版。不过哪怕你看不懂长篇大论的英文论文，没有关系，中文版本的论文分析介绍也不少，这样也可以提高。
|
||
|
||
除了这些会议，还有不少是比较综合性的人工智能会议，比如IEEE、ICLR等等，你同样可以按需关注。
|
||
|
||
第二，保持平和。作为过来人，我想说，在以后的深度学习开发过程中，你会见识到各种各样奇葩的结果。
|
||
|
||
比如明明训练过程中各项指标都好好的，一到预测环节就崩盘的情况。这都算常见的。再比如两张差不多的图片，只因为其中一张多了几个色块或者形状，导致最后的结果大相径庭，这种case查起来就非常的“蓝瘦香菇”了。又或者你会因为业务提供的数据资源有限而苦恼，要么量太少、要么太不平衡，这些都是很难用技术的思路去解决的。
|
||
|
||
所以你要多多参与项目，多接触不同的场景，慢慢的……你就习惯了哈哈。当然，这不意味着破罐子破摔，而是随着历练的增多，你终会找到或者学到解决这些困难的办法。其实每一个深度学习算法工程师的成长，都是靠着一个又一个的狗血问题一路走来的。
|
||
|
||
第三，保持谦逊。诚然，算法工程师特别是深度学习算法工程师，目前是IT领域第一梯队的存在，也是好多IT人羡慕的工作，但是一定要记住山外有山，要多向别人取经，多向前人借鉴，才能让自己一直有足够的竞争力。
|
||
|
||
第四，保持童心。实不相瞒，我打小就想当超级英雄拯救世界，一直到今天也这样。这并不可笑，反而这是很真实的自我。保持童心，可以让你时时刻刻充满天马行空式的想象，而**AI领域从业者最大的限制恰恰不是技术，而是想象力**。
|
||
|
||
有了想象力，你可以开发仿生的阿尔法狗，你可以开发堪比艺术家的创作AI，你可以心血来潮搞一个大变脸AI把自己无缝放入任何好莱坞大片中。在AI的世界，你可以改变世界，就可以成为真正的超级英雄。
|
||
|
||
还有一条，保持活力。这与技术无关，码农的秃顶、肥胖、腰间盘突出、前列腺炎、啤酒肚、油腻、格子衫……这些已经在网络上被黑了无数次了。其实这一方面是他人的刻板印象，一方面可能真的是咱们的现状。
|
||
|
||
我建议你跟我一样，能够经常锻炼，参加体育活动，工作之余来几个俯卧撑，下班之后撸撸铁，周六、日的时候约上三五好友，骑骑车、打打球。因为你的人生中，工作只占了非常非常非常小的一个比例，多出去走走，发现更大更好的世界。
|
||
|
||
|
||
|
||
五条“保持”我就说完了，还记得开篇词，我是如何高大上地介绍我自己的吗？其实还有一部分我没有说，现在我也愿意跟你分享出来。
|
||
|
||
作为一名80后，其实小的时候电脑这玩意儿并没有那么普及。一般都是家里条件非常好的同学，才会有一台大头机。所以，那时候每周一节的微机课就成为了我们最期待的、事实上的“游戏课”。电脑对于我来说，就是打打游戏，查查资料，看看电影，仅此而已。
|
||
|
||
面临高考报志愿这个人生抉择的时候，我听了家长和老师的话，选了制造、自动化、土木相关的超热门专业志愿，分数差了几分没上去，调剂到了计算机，也算是阴差阳错。但之后随着对编程的深入了解，我越来越觉得自己喜欢上了编程，喜欢上了算法。或许是命中注定，我就应该走这条路。
|
||
|
||
再后来我发现，这个时代是永远在快马加鞭发展着的：人工智能将影响所有人的生活。所以，我选择了AI方向。每个方向都有它独到的魅力，而AI的魅力在于它是没有边界的，就像绿灯侠一样。就像我前面说的那样，**AI很多时候没有技术限制，唯一能限制你的，只有你的想象力**。
|
||
|
||
当然，学习和提升自己是痛苦且枯燥的，这个过程充满了复杂的公式，难缠的优化方法，还有玄学一般的调参经历。但是这种自我蜕变是极具成就感的：我参与完成的搜索引擎推荐算法项目，时至今日仍然每天在为数亿用户服务；我主导的资讯产品文本算法项目，同样为数以千万计的用户更高效地获取信息而默默运转着；我参加的多模态算法项目，为无数的儿童与青少年提供了纯净的网络环境……
|
||
|
||
好了，最后一课的鸡汤终于要登场了，请你记住：
|
||
|
||
**阴差阳错是一种选择**
|
||
|
||
**命中注定也是一种选择**
|
||
|
||
**自我蜕变更是一种选择**
|
||
|
||
**人生充满了选择，选择与努力同样重要**
|
||
|
||
时间过得真快，快到让我觉得第一节课也就是几天前的事情。时间过得好慢，慢到使我迫不及待地希望在更多的课程中与你一同进步。
|
||
|
||
下课，再会。
|
||
|
||
最后，我希望你可以填一下后面这张[毕业问卷](https://jinshuju.net/f/fUxWMD)，说说你学习这个专栏的感受。
|
||
|