想入门深度学习有感

最新推荐文章于 2024-10-08 19:06:52 发布

点云PCL公众号博客

最新推荐文章于 2024-10-08 19:06:52 发布

阅读量83

点赞数 1

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/u013019296/article/details/132353468

版权

技术世界犹如潮水般涌动，席卷而来的浪潮总是淘汰旧有的，引来新的，站在技术的交叉路口，不能不感慨传统算法的曾经荣光，AI似乎已经势不可挡。

图片来自知乎话题：《我所向往的职业啊》中，谷歌程序员说「做巨轮里的一个螺丝钉也很好」，这是当前职业环境中的普遍心态吗？

详见：https://www.zhihu.com/question/548611450

我的感受

作为一名工作了四五年的程序员，深知技术是在不断的迭代和更新，而我们这个职业是很容易被打在沙滩上的。当我们到了一定的年龄，就要面对转型或者降薪的压力，你可以认为我在传递焦虑情绪，但如果你身在大厂，你可以在公司的食堂看一看有多少年轻人，又有多少中年人，所以我时常想问“40岁以后的程序员都去了哪里？”。

就目前我认识的40岁左右的人要么是管理者，要么是去创业，要么去做了其他行业。工作以来目前还没有遇到40岁以上的程序员。但创业谈何容易，而想从一名程序员晋升为管理者是需要机遇的，普通学历者想要成为一家公司的管理者是很难的，我觉的根据我的职场经历，总结两个途径，一是一开始就进入一家初创公司并和公司一起发展，并不离不弃的为公司作出一定的贡献的人，同时也需要跟对领导，且公司发展良好。如果进大公司，在一些机遇下，是有机会循序渐进地向管理职位发展，但这种方式需要机遇。所以大多数人只能算是一个螺丝钉，这颗螺丝钉是可以被替代的，所以在大公司选择的团队并跟对领导也同样重要。

图片来自https://juejin.cn/post/6937229675773034533

所以作为程序员，我们需要保持敏锐的观察力和学习意识，紧跟行业的发展趋势。我们需要为未来的某一时刻面对职业生涯中的挑战和变化，并不断调整自己的策略，以确保在不同阶段都能保持竞争力和职业满足感。

我的经验

2019年左右我是有想法自学并入门深度学习的，并且在毕业的半年里我就感受到可能深度学习这个方向的岗位会原来越吃香，我也认真的选择了一个带有GPU的电脑，开始配置环境入门，但那会可能是没有毅力，也没有项目驱动，折腾了一段时间就放弃了。想过在职场中逐渐上手深度学习，但职场需要创造价值，不会给你太多时间从头开始。随着时间的推移，虽然说深度学习门槛变低了，只要有电脑打开官网就可以学习，真实的职场中深度学习算法工程师更多的是调参，适配数据就可以完成工作，所以经验显得尤为重要。从目前职场的招聘上看，市场对这类人才的需求也在不断的增加。

图片来自google图片

写完上面这段接下来似乎我就开始卖课程的感觉，但我想说的是，跟学网上的课程是一种很好的学习方式，但技术这东西是需要实践的。我不推荐花9.9块就能买到的课程，因为我们光听不练都只是在寻求心理安慰罢了。我曾经跟着一门课学习了一段时间，但给我的感觉就是还是很虚东西，而且很难坚持听完老师们乏味的讲解。与其听着课程入睡，不如自己实际操作，从配置环境到跑官方demo，再微调其中参数，对比结果，体会参数对结果的影响，这种方式更直观更直接。在这个过程中遇到乐问题，大可再去学习。这是我的学习方式，像我这样不够聪明的人总是学习两边，第一次就是照抄跑一遍，第二次就是调参细看结果对比参数差异并理解参数的作用。之后有实际的项目需求我们知道在那个demo的基础上改一改或者加点其他功能就能实现了。关于深度学习，理论知识大多是从论文或者教程中了解一些基本的数学原理和网络架构，我感觉更重要的是需要亲手实践踩坑获取实战经验。

图片来自google图片

这几年传统算法感觉已经快到天花板的趋势，你能想到的传统算法是不是大多都能找到现成的轮子？而更具体的应用领域已经到了万物皆可上深度学习的地步，我为什么这么说，因为从论文发表的趋势上就可以看出来，我还算保持了良好的阅读习惯，这几年也从未间断过，深度学习AI确实已经到了万物皆可学的地步。举个例子，以前我觉的相机标定，光流法这种活深度学习应该比较难搞吧，现实是深度学习也能搞定，比如常见的相机标定相关的技术有：通过训练深度学习模型，可以从单个图像中实现估计场景的深度信息，然后用于估计相机的内参，因为深度信息可以提供关于场景的尺度信息。对于双目或多相机系统，深度学习模型可以学习从图像对之间的视差来估计深度，这种方法可以直接用于估计相机之间的外参。相机外参估计也可以使用深度学习模型，可以通过分析场景中的物体在不同图像中的投影变化，来估计相机之间的外参关系。相机内外参根据大量的标定数据包括图像和相应的相机参数，通过训练神经网络，可以从图像中直接回归出相机的内参和外参。

再说说深度学习编程的问题，目前除了真正的学术大佬会真正造轮子，工作中大多还是“拿来主义”，无论是传统算法还是深度学习领域，只需要在拿来轮子的基础上进行改造，基本可以完成我们想要的功能。所以在深度学习框架十分成熟的现在，完全不用担心。

我的想法

于是我想组建一个活跃的交流群，旨在为所有对技术、程序员转行和项目合作感兴趣的朋友们提供一个共同学习、交流和合作的平台。无论你是正在学习编程、已经是一名资深程序员，还是正在考虑转行，我们都欢迎你的加入！

图片来自google图片

这个交流群将成为一个开放的社区，提供了一个讨论各种技术领域的机会，无论是前沿的编程语言、软件开发，传统算法，点云,CV，还是AI,自然语言处理，云计算和大数据，亦或是最新的技术趋势和挑战。我们相信通过分享知识和经验，我们可以共同成长，相互学习，不断提升自己在技术领域的能力。同时也鼓励大家积极探讨程序员转行的话题。拿我最近的感受来说，行业不景气是事实，朋友圈里有被裁员的，有公司动荡的，更有试图通过跳槽寻找更好机会的。

在如今快速变化的科技世界，不断更新自己的技能和知识是非常重要的。如果你正在考虑转行，我们可以共同探讨如何利用现有的技能和经验，成功转型到其他领域，实现事业的新突破。更重要的是，我希望在这个交流群中能够孕育出一些令人振奋的合作项目，无论是一个创业的点子，还是一个有趣的开源项目，通过集思广益，我们可以激发创新，共同实现更多的目标。