如何通过为 TensorFlow 贡献代码实现能力升级?阿里巴巴算法专家王思宇为大家介绍了他向 TensorFlow 社区提供代码的经验,快阅读下文学习,实现工程技术和领域影响力的双重进阶吧。
本文来自社区投稿与征集。
“做算法的人要熟悉算法框架源码吗?”
“算法工程师难道不应该会使用框架建模就可以了吗?”
“如何成为具有一定竞争力的算法工程师?”
我经常被不同的人问类似这样的问题。
坦白地说从我个人经验来看,身边算法做的不错的人对算法框架源码普遍熟悉,而且算法建模这件事在当前来看还并不能纯粹的与底层隔离,因为你会经常与计算性能,算法实现原理打交道。
当然,我也见过一些比较浮躁的从业者,认为算法工程师应该只做建模不碰源码,这些人一般都只是根据网上教程跑通了个 MNIST,ImageNet 的例子就认为自己可以胜任算法工程师的工作了,这种人其实不是想做算法,而是不想写代码而已。
算法门槛表面上在降低,可其实是不断升高的。
一方面,学术界算法创新竞争越来越激烈,主要表现在 AI 相关的顶会变多,accept 的 paper 也越来越多,多到根本看不过来,你现在所想到的模型创新,没准在另一家公司或者学校已经走到实验验证阶段了。
另一方面,性能优化和定制的功能开发等工程能力越来越重要。现在来看,市场上做想要算法的人非常多,但到面试通过的概率很低,这也侧面说明了竞争门槛其实是比较高的。
但这也是机会。如果你是做算法的,请趁此机会提升自己的工程能力和算法领域内的影响力。
How?其实很简单——为算法领域的知名开源软件贡献代码。因为我个人是 TensorFlow 的 contributor,所以我以 TensorFlow 为例为大家介绍。
向 TensorFlow 社区贡献代码步骤
第一步 Fork!
首先,进入 TensorFlow 的 GitHub 页面,可以看到如下页面。
红色框内表示当前 TensorFlow 这个开源项目已经有 1844 个人贡献过代码,想要加入这个行列的 coder 们请努力吧,这并没有