算一算，工作也有两年了。在工程上，无论算法模型，还是算法接口，都会需要不断的更新和优化。这时就显出了版本管理的重要性。有一次，我们的一个算法上线后分析结果，发现有些不必要的漏检。后来发现是负责算法整体接口的同事没有及时沟通和更新新的算法lib导致的，这个问题查了好几天才发现。
这两天，我重新训练caffe模型。明明数据准备的比之前的更合理了，而模型训练曲线也超级漂亮。测试时却发现模型没有任何的区分能力。debug时，又频繁报错。cudnn报错，查找后才知道是有同事在服务器上装了cudnn6.0导致的版本不兼容。换回5.0，debug成功。然而模型依然没有区分能力，在次测试。试试训练集，md，同样没有区分能力。百思不得其姐。为啥原来的有区分能行，优化后的却没有呢。debug，观察log。等等，fc8new哪儿来的，好吧，使用了原来的deploy模型，换回来。又出现shape不对，好吧，train_val中了类别忘改了。擦。恨不得抽自己两个耳刮子。修改，重新训练模型。
使用深度学习训练模型有一段时间了。由于模型训练上之后过来查看结果就行了，有时候会同步进行一些数据整理的工作。这样没有错，但是认真、仔细非常重要。不能为了充分利用时间而导致每见事情都急匆匆的，反而造成了很多不必要的时间浪费。我的总结有3条：
1. 认真准备训练数据，数据的质量很重要。
2. 训练前认真查看模型参数是否正确，避免低级错误。
3. 前两条非常重要，所谓训练模型，不过是动动手指，按下回车。
其实数据和调参才是深度学习搬砖师在工程上做的很多事情，要学会坦然的接受。然后在积累型架构，loss类型等技巧。不然，每天都会在无穷无尽的混乱中，长此以往，就真的是被自己的不良习惯消耗了蓬勃的职场灿烂了。