【完结】深度学习CV算法工程师从入门到初级面试有多远，大概是25篇文章的距离

文/编辑 | 言有三

一直有同学希望我在公众号写写面试相关的东西，一直没写。我们不会开相关的板块，因为没有标准，容易引起争议，而且可能会加重大家的浮躁和焦虑。

不过关于面试，有三还是有一些话可以说的，下面分两部分道来。

假如我是老板或者诚心为公司招聘优秀人才的面试官，我会喜欢拥有以下特质的人。这里说的是招聘一个算法工程师，一个能够为公司创造收益的人，简单起见就不分社招校招。

1、忠诚度，这很重要。一个不忠诚的员工，能力再大，也不能要。所以如果看到一份简历满满当当的都是跳槽和实习简历，两个月换一个实习，半年换一份工作，除非你说出很充分客观的理由，否则我可能不会通过这份简历。

2、编码能力，这是一切的前提。前面说了，我们这里要招聘的是一个计算机视觉领域(CV)算法工程师，招进来是要干活的。公司不会招聘一个只会Matlab或者python都用不熟的人来做项目开发，做纯算法研究都不行，一个不能实现自己想法的牛人我还没见过。见过的牛人不仅算法好，编程能力也强大。

说起编程能力，有几点基本要求：

(1) linux得熟。

现在不是若干年前开源项目还不多的时代，大家还在Windows下面吭哧吭哧用Matlab和VS仿真，都9102年了，Linux都不熟，效率如何让老大放心。

(2) python得熟，c++得会。

如果连python这样简单的语言还用不熟，那真是无话可说。c/c++ 这是一门基础课吧，理工科的学校没开过应该很罕见，CV领域的工业界部署和算法优化都离不开C++。

(3) 编程习惯得好。

虽然说代码写的烂，不会真有同事拿gun突突突你，但是好的编程习惯不仅仅提高效率，而且看着也舒服，不会被别人鄙视。

这里说的习惯包括：多写写类和函数封装，组织好项目目录结构，好好命名等等。可以不会写多么牛逼炫酷的代码，但是要保证代码具有良好的可拓展性，方便他人阅读移植，具体要求以后再说。

3、算法基础，这决定了潜力。没做过检测？没事，没做过分割？没事。边做边学，快速跟进就是了，这本就是公司开发的常态。

人的精力有限，没做过的多了去了。但是如果CNN的一些基础傻傻说不清楚，图像的基础概念一问三不知，这就有事了。因为你交给他一个项目，可能会犯一些低级错误而不自知，老大心里也慌，还要陪着检查和普及基础知识。

以上就是三个基本要求，每一家公司肯定都是这样要求的，我觉得如果通过了这三个考验，那至少就是一个可以培养的候选人，我会愿意给他机会进入下一轮的PK。

踏实(基础好)，靠谱(稳定)，能干活(能写代码)，这3个基本前提比什么都重要，其他的都可以在项目学习。

接下来就该说说具体怎么办了，这就是我开《AI修行之路》这个专栏的原因了，如果你有耐心，不妨接着看下去，我们也是再重新回顾总结一下之前的文章，每一篇文章的开设都有充分的理由。

在以前，你可能觉得Linux并非刚需，用着自己的Windows电脑，也不需要与人共享操作系统，硬件和磁盘。但是如果你们团队一起使用服务器，不可能不用Linux。

所以这是对还没有在Linux上面真正进行日常开发工作的小朋友说的，要正式进入AI行业发展，Linux是必备和唯一的操作系统，“软”兵器，我还没有听过哪家公司在Windows或者Mac上面训练模型的。

编程习惯，工作效率很重要，很重要！Linux下一个熟练的工程师，会比Windows下工作效率高很多，提高写代码效率可以从终端多任务管理，熟练使用shell命令，熟练使用vim等开发环境，熟练使用git命令等地方入手。

shell命令是Linux的操作基础，也是学习使用Linux的开始，而慢慢熟悉高级的shell命令在将来的工作中会带来很大的效率提升。

vim是Linux下最常用的编辑器，从小白到高手都可以使用，而它的列编辑，查找替换，自动补全等功能都是效率的保证，或许从visual studio等环境切换过来的同学刚开始会有些许不适应，但是时间久了就会越来越明白VIM的好。

git是程序员必备的素养，慢慢学会维护几个自己的代码库，等到将来出问题的时候就明白了。

在机器学习领域，python可谓是一骑绝尘，学习python需要掌握好基础的语法包括函数，类设计，掌握大量的开源矩阵库Numpy等。

python简单吗？简单。真的简单吗？看看大神们写的项目吧。

深度学习有一个最大的问题，就是太好用了。导致什么图像基础和传统算法都不需要懂，也能项目做的风生水起。

但是如果没有好的图像基础，总有一天遇到CNN解决不了的问题，或者无法单独解决的问题，就不知所措了。很多的新技术都是从传统算法中获得灵感或者相互结合的，不懂图像基础，就仿佛埋了一颗定时炸弹，一般没事，炸了就炸了。

如果说图像处理领域有什么库是绕不过去的，那一定是OpenCV，这一个开源计算机视觉库堪称最优秀的计算机视觉库，不仅可以学术和商业免费使用，而且跨平台，高性能。需要掌握的基础内容包括：如何部署，基本数据结构的熟悉与使用，基本模块的了解。

python是脚本语言，而当前大量的AI算法都部署在移动端嵌入式平台，需要使用c/c++/java语言，g++，CMake和Makefile正是Linux下编译C系代码的工具。

实际上一些python，matlab开源项目也需要预编译，更多的等到了工作岗位自然懂。

深度学习项目开发中最重要的是什么，当然是数据！实际的项目你经常没有足够多的数据，这个时候就需要自己去想办法获取了。

互联网是一个什么资源都有的大宝库，学会使用好爬虫，你将可能成为时代里最有“资源”的人，这也很可能是项目成功的开始。

本文最后的一个实际项目就需要用到。

爬取完数据之后就应该进行处理了，一个很常用的手段是数据可视化。在深度学习项目中，常需要的数据可视化操作包括原始图片数据的可视化，损失和精度的可视化等。

除了对数据可视化，我们还需要对模型进行可视化，方便调试和感知。

虽然对于大部分来说，做项目不需要多么强悍的数学基础，但是你会需要看懂别人论文，也会经常需要进行简单的推导和算法改进。

从线性代数，概率论与统计学到微积分和最优化，都是需要掌握的。不过数学的学习是一个非常漫长的过程，不要急于求成，也不是靠跟着视频或者书本就能完全学会的，重要的是用起来。

学习和做项目都需要一个方向，在前面这些基础都掌握好了，就要好好了解一下计算机视觉的各大研究方向及其特点，方便自己选题和项目方案定型了。

从图像分类，分割，目标检测，跟踪，到图像滤波与降噪，增强，风格化，三维重建，图像检索，GANs，相信总有你喜欢或者项目涉及的。

学习最终是为了解决实际问题，AI已经渗入到了我们生活的方方面面。从自动驾驶汽车、图像美颜，到聊天机器人，金融支付等，因此好好了解下当前AI在各大领域的应用没错的，这次就不仅仅限于计算机视觉了。

要想真正融入行业圈子，紧跟技术发展，就必须要时刻了解大佬们的状态，他们就是行业发展的风向标。

不管是学术界还是工业界，不管是老师傅还是青年才俊，让我们一起见贤思齐吧。

我们开源了大佬研究方向的项目，欢迎follow。

基础打好了，接下来就是正式学习AI相关的知识，不管是在哪个课堂或者教材，都是让大家先了解先贤们。

从图灵与机器智能，冯诺伊曼与类脑计算引发的人工智能启蒙，到三次浪潮的曲折和技术的成长史，值得每一个从事该行业的人阅读。

深度学习研究问题的方法就是仿造大脑，根基是神经网络。从感受野，到MP模型，到感知机，到反向传播，要很熟悉全连接神经网络的劣势，卷积神经网络的特点，核心技术和优势，这是学习深度学习最重要的基础。

既然学深度学习，就必须要了解深度学习的重要进展。

在前深度学习时代，视觉机制的发现，第一个卷积神经网络Neocognitron的提出，反向传播算法的流行，促进了LeNet5和MNIST数据集的诞生。

随着新理论的成熟，大数据的积累，GPU的普世，以卷积神经网络为代表的技术在图像分类，目标检测等基础领域取得重大突破，随着AlphaGo的成功同时在业内和业外人士的心目中种下了深度学习/人工智能技术的种子，从此焕发勃勃生机。

深度学习的机制模仿于人脑，人脑的细胞接受刺激从而产生活动需要一定的阈值，这便是激活函数根本性的由来。

激活函数肩负着网络非线性表达能力的提升，从早期平滑的sigmoid和tanh激活函数，到后来的ReLU和各类ReLU的变种(LReLU，PReLU，RReLU，ELU，SELU，GELU等等)，Maxout，研究者一直试图让网络拥有更好的表达能力。

随着技术的发展，利用增强学习等算法从函数池中学习新的激活函数如swish等，成为了当下的研究主流，激活函数也走上了数据驱动的道路。

激活机制看似简单，实则不易，大家一定多跟进了解了解。

参数初始化，一个看似很简单的问题，却实实在在地困住了神经网络的优化很久，2006年Hinton等人在science期刊上发表了论文“Reducing the dimensionality of data with neural networks”，揭开了新的训练深层神经网络算法的序幕，仍旧被认为是当前第三次人工智能热潮的纪元。

从全零初始化和随机初始化，到标准初始化，Xavier初始化，He初始化，时至今日上千层网络的训练都已经成为了现实，初始化似乎已经不再是那么重要的课题了，但是谁说就没有思考的空间了呢。

我们总是希望所研究的统计问题能够满足固定的分布，而且这样也的确会降低问题的难度。

在深度学习中，因为网络的层数非常多，如果数据分布在某一层开始有明显的偏移，随着网络的加深这一问题会加剧，进而导致模型优化的难度增加。

归一化便是致力于解决这个问题，从数据到权重，从限定在同一样本的一个特征通道到不同样本的所有通道，各类归一化方法以简单的方式，优雅地解决了深度学习模型训练容易陷入局部解的难题，顺带提升训练速度提高泛化能力，这是一定要掌握的理论和工程技巧。

大脑学习知识靠抽象，从图像中抽象知识是一个“从大到小”过滤提炼信息的过程。从视觉机制中来的pooling即池化，正是对信息进行抽象的过程。

池化增加了网络对于平移的不变性，提升了网络的泛化能力，大家已经习惯了使用均值池化mean pooling和最大池化(max pooling)，虽然可以用带步长的卷积进行替代。

尽管池化究竟起到了多大的作用开始被研究者怀疑，但是池化机制仍然是网络中必备的结构，所以你一定要熟悉它，而且基于数据驱动的池化机制值得研究。

模型的学习需要通过优化方法才能具体实现。深度学习模型的优化是一个非凸优化问题，尽管一阶二阶方法都可以拿来解决它，但是当前随机梯度下降SGD及其各类变种仍然是首选。

从SGD开始，有的致力于提高它的优化速度如Momentum动量法和Nesterov accelerated gradient法，有的致力于让不同的参数拥有不同的学习率如Adagrad，Adadelta与Rmsprop法，有的希望大家从调参中解脱如Adam方法及其变种，有的致力于让收敛过程更加稳定如Adafactor方法和Adabound方法。

没有一个方法是完美的，训练的时候总归要试试。

如果一个模型只能在训练集上起作用，那是没有用的。

因此我们总是希望模型不仅仅是对于已知的数据(训练集)性能表现良好，对于未知的数据(测试集)也表现良好，即具有良好的泛化能力，通过添加正则项来实现。

从直接提供正则化约束的参数正则化方法如L1/L2正则化，工程上的技巧如训练提前终止和模型集成，以及隐式的正则化方法如数据增强等，研究人员在这方面投入的精力非常多，大家一定要时刻关注。

口说无凭，用数据说话才是研究者们进行PK的正确姿态。计算机视觉的任务何其多，从分类，回归，质量评估到生成模型，我们当然需要掌握科学的评估方法。

模型的学习需要指导，这正是损失函数的责任，它往往对模型最终表现如何影响巨大。

这一篇文章就重点总结分类问题，回归问题，生成对抗网络中使用的损失目标，为大家设计更好的优化目标奠定理论基础。

磨刀不误砍柴工，当我们开始训练自己的模型的时候，总归要想清楚一些事儿再动手。

第一步知道你要做的任务是一个什么任务，找到竞争对手做好预期，想好你需要什么样的数据。第二步确定好框架，基准模型，准备好数据。然后才是第三步开始训练，从输入输出，数据的预处理到维持正确地训练姿势。

这是我总结出来的经验，想必总是有点用的。

到了最后，相信大家都拥有了基本技能了，那我们就来开始一个真正的项目吧，实现形色识花App的部分功能。

在这里不会教大家如何完成，因为这个项目一点都不简单，是个很难的分类项目，不是给一个现有的数据集和一个模型就能解决的，至少有以下问题需要考虑，每一个都有很多工程细节需要解决。

如果你能独立将这个任务的整个流程完成，识别20种包含远近景的花，做到95%的精度，那么我相信你完全有能力去应聘计算机视觉算法工程师了。

如果在框架上有什么问题，可以参考我们开源的12个主流的开源框架在各类任务中的使用git项目。