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。