Something about PhD-Grind——by 李皈颖

终于把phd-grind看完,Philip Guo的博士生涯一波三折,简直就跟个小说一样精彩,特别是他特殊的经历、感悟,让我对他升起一股由衷的敬佩之情。
  不知道其他人是如何解读grind这个词的,一开始的时候,当我以一个旁观者的视角去看Guo博士前三年的生涯时,我对grind的解释是挣扎
  在一个自己不喜欢的项目里,干让自己觉得暗无天日的活,纠结于如何去完成自己的disseration,完全看不到未来的出路;然后消沉,然后再振奋;然后开始去寻找一条适合自己的路。夹杂于三年中的,是作者在“Klee hell”中挣扎求生的路程,一次次的郁闷,一次次的尝试,到最后的决定,到最后的离开。
  伴随着Klee的三年,在我感觉中就像一个泥沼一般,而Guo则是一个陷在泥沼中拼命寻找生路的可怜人。然而,此时喜剧性的转折出现了,是的,MSR如天使一般出现了,拯救了Philip一把。在MSR的暑期实习,重新调整了Philip的状态,然后回到斯坦福的Philip终于离开了Klee,完全开始开自己去开拓一条路。
(题外话,当我看到MSR出现的时候,我突然自以为是的顿悟了:怪不得邹老师要我们读这篇回忆录来着.....。)
  相比于Philip前三年的苦逼生活,后三年的Philip简直就如同一个小宇宙爆发的圣斗士一般,特别是第五年,一口气完成了4个项目,发表了一篇top-tier,三篇second-tier。而这个时候,我也意识到,书名的grind的意思不再是挣扎,同时也是奋斗Philip后三年的历程就是他自己不断奋斗,不断成长的历程。
  因此,在我读完书的时候,我第一个想到的事,就是我在看到书名是的疑问:Phd grind,是怎样的grind?
很显然,Philipgrind的就是挣扎”+“奋斗Philip的博士生涯所面临的种种困难,就是磨砺,而Philip从最开始的被动挣扎,到最后的奋斗突破,在我看来就是一部出色的成长史,也正如书名所说,这是一场令人敬佩的“PhD磨砺
---------------------------------------------------------------------------------------------------------------------------------------
  要写感想,感觉想法很多,但是不知道怎么条理清晰的说出来,而且有些只是种模糊的感觉,毕竟我没有读过博士,Philip得经历对我来说,始终如同隔着一层雾纱一般。后来我看到高坦同学的博客,他的博客给我灵感:到底是什么,使得Philip最后成功毕业呢?
  要说Philip是不是很厉害,对我而言这是必须的,因为他几乎是自力更生的完成了他的博士学业,这当然不是指他闭门造车,恰恰相反,他与很多Professional的研究者合作,不像其他博士只跟着自己的博导;他的自力更生在于他对未来的规划,在于他完全自主的控制着自己的研究,也许他的成果不如他在回忆录中提及的那些博士生涯发表十几篇top-tier论文的教授(比如,Jeff)那么辉煌,但是,毫无疑问,6年的博士生涯,他掌握了如何进行研究,不是跟随他人,而是自己选题、操作,培养出了科研的直觉,当他博士毕业时,他已经具备了完全自主开展研究的能力,在我看来这就是博士培养的目的,但不是所有博士都能拥有的。
  那为什么他能做到这些呢?
  首先第一是,他那持续了5年的fellowship,没有这个,啥都没的谈,所以说经济基础决定上层建筑,这句话不是盖的。
  然后,就是Philip自己的果断、本人的毅力和能力。虽然纠结了很久,但是第3年离开Klee的决断,和之后开展项目时的专注,激情乃至废寝忘食。让人看到了人生的精彩!
  最后,但是也是非常重要的是,他的人际网,或是善于交流。很多机会都来自于他的主动联系,或是他一直保持着联系的fellow。小Guo同志显然不是个腼腆的小伙子,他虽然没说他是不是经常去蹭party,但很显然他经常跑去发表talk,发cold-mail,各种厚脸皮联系。而这些交流带给他项目机会(MSR internship、与JeffMargo的合作),灵感(UC-Berkeley Fernando给予他CDE的灵感),这些都直接铸成他最后的成功。

转载于:https://www.cnblogs.com/coderepublic/archive/2012/09/17/2689739.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值