首页
学习
活动
专区
工具
TVP
发布

初心算法工程师的2017年年终总结

荒废已久的公众号拿来写点没什么人看的东西也是极好的。

从学校毕业出来将近半年时间了,我对很多东西的看法有了很大的改变,趁着思路还在先记录下来。

技术是我想得最多的地方。刚实习时以为搞深度学习的公司都是标配泰坦的,后来发现像我们这种做安防的根本覆盖不了这个成本,许多东西要在云上完成,而GPU服务器的价格又是死贵死贵的,所以很多时候根本用不上很深层的模型,甚至于不需要用什么深度学习。但现在看来当时我的这种忧虑是相当学生气的,单从技术实现难度的角度考量一个产品的价值是相当不成熟的,如果牛逼的技术不能服务大众,不能做到产业落地,那就是未成熟,还不如待在实验室。现在有个不好的风气就是,人工智能这波风太猛,很多人涌进来这股潮流中,无论是资本或是想转行的工程师抑或是在校的学生,尤其是想劝告在校的学生,如果只是想把深度学习当成工具玩玩,做点有趣的东西的话,OJBK,但是如果要把它当成求职手段、高薪工作的敲门砖的话,一定要三思,并不是我要当什么学阀,而是可能等你学成以后这波风停了,或者学着学着新的理论出来了,然后即使以此技能谋得一职,千万不要停留于此。虽然深度学习这个东西刷榜刷得多么牛逼,放到实际场景下也是经常出问题的,对于我们做安防监控行业的人来说,成像质量影响精度的情况往往比模型、算法做得不好的情况来得多。再者,使用深度学习的成本很高,通常需要有一定计算能力的显卡来支撑,本地训练还好,如果需要为客户本地部署,成本就不是一点点了,很多时候,能用“传统方法”的,我绝不轻易用深度学习,可debug程度比深度学习好太多了。我是非常担心很多实验室出来的只会使用深度学习的炼金术师的,因为等人工智能这一波风过了,而且很快就会有所减缓,因为资本差不多看懂怎么玩的了,我以后想做的事情,也是想把这些什么都能用深度学习解决的人拉到跟我一样low逼。

最近在知乎看到了一篇文章叫《优秀的算法工程师都是不用深度学习的》,足以表达上一段中我想表达的所有观点,只要你试图在arm平台上部署你在pc上玩起来的这一套深度学习就懂了,跑完个linux系统剩下10M内存,这还算多的,但是你敢给我怼个动不动几百M的模型看看?我也有幸跟一位资深的嵌入式工程师合作过一个算法移植的项目,在pc端我100行写完的事,到了嵌入式端硬是写到了2000行,其中干的事情包括了将业务做拆分,做成一个个的线程、把opencv的一些关键函数抽离出来并做优化,使用neon指令集加速,还有一堆的错误处理、网络通信等等。这个项目相当于是把算法前端化了,本来要靠摄像头传图像到云服务器分析,现在分析这一步也在摄像头里面干完了,大大减少了上行流量,本来要传一张200万像素的图片的,现在只要传个1KB左右的结果,极大减少了部署成本。我以后想做的事,基本就是围绕算法的工程化展开,最终目标是让普通用户能低成本的使用人工智能技术。嘛,牛逼吹得震天响,能不能成就拭目以待吧,大不了回去打工。

只想写这么多,技术以外的想法想知道的话请私聊我(:-D。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171230G01TT900?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券