变来变去的主题，到底想做啥？

---

    本博客第一篇非技术贴，嗯！要好好记记流水

1.从计算机图形学开始

　　14年初，组长拿着一本《实时计算机图形学》和一份TinyGL的源码跟我说，对照着这本书分析下TinyGL的源码，以后说不定我们会用的到。然后组长就辞职读研去了。

　　不过我一下子就沉迷进了这个对我来说很陌生的领域。为什么呢？仔细想想，好像在这之前我并没有一个可以说的上是比较擅长的专业领域，掌握的知识都是常说的公共课。于是在自己还算可以得数学和编程基础上，似乎一小段时间我的知识量飞速上升，这让长时间没有长进的我自信感爆棚，并且更加专注于此。另外一个原因就是工作内容并不是特别有趣。当时的工作主要在于Linux内核，我在的小组叫做显示组，主要工作就是维护核内显卡驱动正常地运行。内核代码枯燥无味，再加上每天不断地微调代码重启机器，这些当然没有在电脑上画画来的有趣。于是在周围几乎人人摆着Linux相关书籍的情况下，我桌上摆的是《计算机图形学》,《3D数学》,《微分几何》,《计算几何》(某天某领导拿着我的微分几何跟我说，微积分？你不会是想考研吧–)。

　　真正说得上有所长进，是偶然发现了MIT6.837这门计算机图形学的公开课，让我从看书看代码到自己写代码，这也让我热衷于书本与公开课的课后习题。其中遇到了一些问题，让我开始看《微分几何》,《计算几何》《CAGD》等相关书籍。虽然只是添加部分代码，但是当时自己用openGL正确画出一个期望的几何体，用自己写的光线追踪器生成一张高清图像，成就感还是很足的。感谢主管对我这种“不务正业”看的很开，没有让我停下来去沉迷Linux内核，并表示让我多多学习，以后说不定会用得上(并没有)。部门的部长和我说，图形学是可以看看，但是和你们做的并没有太大关系。说的很对，直到我离职，我就只写过一个在字符界面绘制旋转的地球的程序，用来测试似乎还有问题的FB的mmap函数，关键词：旋转，纹理。

　　然后我就辞职去读研了。

　　还记得当时复试的时候老师问我，读研准备做些什么啊。我回答说，我要做一个游戏引擎！吓，其实我当时也没想真去自己写一个，只是想分析一个开源引擎的源码，不过豪言还是要说的，反正你又不是我导师。然后真去弄了本《Game Engine Architecture》《Physically Based Rendering》《real-time shadows》，现在他们还静静地躺在我的衣柜里，崭新的。本以为会主攻图形学一条路走到黑的，怎么貌似离散成数字图像了-_-

2.机器学习与西瓜书

　　图像就图像，反正也差不多……(谁说差不多的，不懂你说个Void啊)。一个关心怎么成像，一个主要去分析图像上的内容，差的真不是一点点。现在我要关心的是：特征，ROI，匹配，相关……这些都是啥？

　　既然转到了图像上，那就看图像处理与计算机视觉方面的论文。不少论文都提到，凸优化，机器学习，深度学习。还好凸优化本科还学过，有点基础，机器学习呢，肯定是要去看看的。还有一个原因就是自己想写一个升级的AI，来解决自辞职后打升级1缺3的痛苦(升级作为一款不打钱又适合消遣的游戏，我发现好像连消遣的时间都没有了)。当时都规划好了：服务器，阿里云学生机只要9块9；网站PHP和HTML5；数据库Mysql；图形界面WebGL。那么就差个AI了，嗯，一等二十四。

　　根据AI的字面意思，我开始看机器学习。一开始是看网上的公开课，斯坦福大学的机器学习。由于当时coursera上这门课已经下架了，我是在下载的所有视频压缩包。里面开头两句话就把Matlab夸到天上去了，正好我也才刚开始，学啥不是学，那就决定是Matlab了。断断续续看了个把月，视频看了一大堆，好像就只记得个梯度下降法，这么当电影一样的看下去，再看两个月也没用。之后就准备买本相关的书来看看，在《机器学习实战》和《西瓜书》对比了很久，后来由于西瓜书参加京东300-150的活动，这下就不用考虑了。

　　看书的过程还是愉快的，因为是在暑假，心无旁骛，大概2-4天就能看完一章，包括后面的大部分习题以及感兴趣的参考文献。可以说效率很高，对机器学习的概念也是越来越清晰。现在回过头来看，西瓜书确实是一本很好的中文机器学习入门书，虽然对每个方面都浅尝辄止，但第一它对每个方面的主要内容介绍与算法推导叙述的很详细，扩展内容也在阅读材料中给出相关论文参考；第二就是算法给出伪码而不是具体语言的代码，这样不会把读者限定在某一种语言上，也可以锻炼读者将算法转化成代码的能力；第三，部分开放式的习题会给出相关的文献，引导读者进行进一步的学习。

3.深度学习与概率图模型

　　不过西瓜书只是一本比综述稍微详细一点的入门书籍，看完这本书只能说是第一步。如果说一开始我只是看见一片大海，那么西瓜书就给了我一艘船，可惜不是潜水艇，海底是什么，我依然不知道。值得开心的是好几个月的学习让我对要写的AI有些头绪了，但是并不清晰。我能告诉它的只有出牌的规则，在这规则下该出什么，如何根据对手和对家出的牌判断底牌和他们剩余的牌，这要怎么去建模？

　　读研当然不能光为了打升级，好歹毕业论文还是要弄的。深度学习作为其中的重要角色，要是说不懂一点那都不好意思说自己是做计算机视觉的。概率图模型以前是没听过的，由于其非同一般的抽象与复杂程度，让我在西瓜书第四章卡了好几个月。概率图模型的框架下无论是对计算机世界还是NLP，或者说我想象中的AI出牌手段，都是非常有用的，所以接下来的深入学习就主要集中在这两个方面。

　　深度学习看了一段时间了，概率图模型才刚刚开始，希望早日能把理论用在应用上。