背景
首先，我写这一篇文章针对是在本科生阶段来写的，本人处于在大三学习阶段，目前学习方向是图像处理——主要还是以机器学习/深度学习算法解决问题。我想现在很多人都会叫你去转行，不要去搞算法了，现在搞算法的已经是寒冬了，很多搞算法都转行为开发了。这个时候我想你心里的决定已经摇摇不定了。
新的想法改变
首先，我先让你们考虑几个问题再回答你的想法
- 你为何要搞算法？ 为了追逐前浪吗；
- 你对搞算法还兴趣吗 如果只是当时的一个冲动的决定，现在又后悔了，那我只能被你们；
- 你对算法有怎么样的理解 我复现了别人的论文就结束了这一个知识点的掌握了？
- 你有没有精读过国际大牛的论文 这个要的吗？
- 算法只需要学好理论就行吗 我看到好多人都是这样的？
- 搞算法的要不要读研 这个我回答一下：强力推荐
- 是不是学习玩深度学习就可以了? 我的回答是：
举例本人例子
本人曾在大二时开始搞人脸识别算法，没错在外行的听起来就像是很厉害的样子，可现实呢还是比较残酷点的。
从大二暑假开始就忙于人脸识别的各自算法，在大三的时候用了神经网络模型弄得效果还行，不过在这里我肯定说比起谷歌，阿里简直是菜鸟。也有人说用深度学习搞人脸识别很容易啊，随便搭建个模型就OK了，那我想请问一下，目前有多少个大厂能够推向市场——阿里，Face++，百度等，还有吗？我的回答是没有，因为你是很难很难百分之百复现出来大佬论文模型准确度。首先数据问题，数据处理，硬件配置问题，各种环境条件不一样。还有就是你的识别率在实际测试的情况下真的能行吗？
对于我来说，你搞人脸识别算法，只是单单实现了人脸识别神经网络就可以了吗？答案是no?首先你要考虑的问题是人脸识别算法有很多，为什么要选择神经网络呢？而不是支持向量机、PCA和CV呢？假设上面要求你在单片机里/嵌入式里实现，你用神经网络模型能做出来吗？你的模型有多大，单片机计算能力能不能达到。？这个时候你会说这是应用的问题，我只需要搞好模型就可以了。那你想多了，在学生阶段是为算法而算法，但是在工作，比赛中是为开发而算法。在学生阶段你可以吹你对哪些什么算法的研究怎么高大上都可以，但是你以后搞实验/工作不行，既然你说得那么厉害，那做出来啊，你做不出来就不要说。
我在实现人脸识别算法时首先了解它的相关算法——支持向量机、PCA、cv里面的和深度学习。了解目前人脸识别的难点问题。首先在做出应用时，你要面对的是实际情况，光照强度不一的影响，人脸姿态的问题，微表情的问题，用传统算法是很难的，这个时候采取神经网络，可以较好的解决这个问题，然后是怎么样去选择什么样的网络模型，传统CNN分类？
no,no,no,no,传统CNN不能够很好的解决增加类别分类问题需重新训练，这个时候你需要阅读大量地论文了。
本人在一个暑假的时候尝试了多种方法，最终还是选取神经网络——FaceNet,这个模型结构就很好的解决这个问题了，将人脸图像映射到128维的欧几里得空间里，利用欧氏距离来判断是否同一个人。这个FaceNet是没有官方公开的源码，所以就算你想复现是较难的，而且我使用的是Pytorch，这个时候你会说为什么不一开始使用这个方法呢？答案是因为我一开始是想在树莓派中使用的，树莓派对深度学习神经网络模型有着硬性的要求，要是你的模型几百兆大小，那你的树莓派加载这个模型肯定不行，运算能力太菜了。所以还是从简单的算法了解做起。
不管怎么样，现在搞算法的大都数都去追着人工智能了，不是不行而是你不要忘了老本啊。
最后，
思考一下上面的七个问题，有什么想法的都可以留言一下。
