坦白局，机械专业要不要转做视觉算法

各位大家好啊。最近有很多朋友想了解一下机械专业要不要转做计算机视觉算法。这个话题我一直在考虑怎么回复一下大家。因为转行业是一个比较重要的决定，我只能提供一些我个人的经历和一些思考，希望能给大家带来一点帮助。

首先呢，我想说一下，转行是很累的，尤其是像我一样开始不懂编程的人，一定要做好心理建设。还有就是我比较建议机械专业在研究生阶段来转行，因为本科以下做算法可能会非常的累，比较难坚持下去。然后就是计算机视觉这行是要一直看论文，一直学习下去的，即使入行也要紧跟着前沿学术论文学习下去，不过后期入门之后学习就简单了。

然后我来说说我在读研的时候都学习哪些课程。给大家做个参考，用来提前布局自己的学习路线。

第一个就是学习相关的理论知识包括传统图像处理和深度学习知识，因为机械专业的学过高数、线性代数那些，理解数字图像处理还是相对来说比较容易。这里传统的图像处理我找了中国大学慕课上面一个课程，由于年头太多了，我给忘了是哪个大学了，只记得是一个985高校老师讲的。深度学习的理论我是在后面慢慢补上来的，前期因为没有领路人嘛，自己看了一些机器学习相关的书籍，看过吴恩达老师的机器学习课程。后期我是看了李宏毅老师的课程，系统的又学了一遍。

不得不说目前算法要学习的东西比我毕业那会要多很多，那时候网上也没有这么多牛人来发帖子解析一些模型或者代码，想要对照着论文读懂作者代码逻辑我当时觉着是很困难的。

虽然现在算法岗很拼。但是好消息是现在深度学习和图像处理课程资料也相对变得很多了，有很多优秀的开源框架和学习视频给大家学习，这其实也是一个很好的机会。

第二个就是学一些编程语言和开源的框架，首先Python和C++要熟悉，这两个我看的视频是b站小甲鱼的视频。还有就是TensorFlow，当时tensorflow也还是静态图的年代，写模型的逻辑很反人类，也没找到什么好的教程，也就没系统的学习了，就是报错的时候会去网上查一查。

代码实践部分我基本上是靠时间堆出来的。当时也不懂linux系统，光是装双系统、配环境就弄了很久，系统都重装了很多次，好在最后心态稳住了。

后期pytorch越来越好用，也就不用tensorflow了。建议大家直接来学Pytorch吧，边用边学就可以，慢慢调试熟悉了就明白他的套路了。

这些理论知识的视频课程，我是研一的时候在一些不太感兴趣的课上戴耳机学的。比如一些哲学课、历史课上，这样的话可以节省很多时间，因为转行我们要弥补掉之前薄弱的基础。

基本也就是这些知识了，有了一些了解之后，然后就会去找一些公开的数据集来练手，我刚开始就用voc数据集，跑darknet的yolo。用tensorflow跑一些语义分割和图像分类的模型。

现在的话数据集有很多了，你们可以参加一些公开的比赛，白嫖他们的数据集。每年有很多，可以多看看国内和国外的竞赛。刚开始可以不用在乎名次，只是为了练手，了解模型中各各模块的作用，找找论文和代码，找论文和代码推荐大家去paper with code上面，里面的资源也很丰富，都是收录有代码的论文。把这些模快都试一下。在这期间会对python和pytorch越来越熟悉，也会慢慢学会调试代码和更换各种网络模快。

这时候，这个更换模快，调试代码这两个技能会支撑你，做一个学术裁缝。顺着课题的方向搞一篇小论文出来。只要和你的课题有一点点沾边的，能用AI解决问题的就行。

最后面试之前要好好写一下简历，简历上所提到的算法模型最好能全会，尤其是细节部分。

但各位请不要再学我再去跑darknet了，这个C语言写的框架真的很令人头疼。喜欢做框架研究的可以研究研究它，它里面设计的很精巧。

以上就是我的个人学习经验和结合当前环境的一些思考了。很多事情变化很快，希望我的经历会给各位带来一点点的帮助。每一个时代都是最好的时代，把握住现在，并保持对未来充满信心吧。

好啦，各位朋友下期再见，拜拜。