点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要15分钟

跟随小博主，每天进步一丢丢

作者：梦里风林

https://zhuanlan.zhihu.com/p/54161673

本文已由梦里风林授权，未经允许，不得二次转载

许多同学私信我，表达了他们初入研究生期间的迷茫，希望了解我研究生期间的成长路线。虽然说没有适合每个人的方法，因为每个人的特点和所处的环境都不一样，但有个参考总是好的，所以我在这悄悄把自己研究生三年的经历写一下，前面可能会写的详细一点，希望能对这些同学有所帮助。

大四上学期（2016.1~2016.3）

大三暑假的时候去QQ邮箱实习，一直实习到了2015年12月，回到学校正是2016年的元旦，跟现在差不多的季节，开始跟导师讨论毕业设计的思路，并动手实现。

主线任务：毕设

毕业设计做的是一个多模态行人检索系统里的Java后端，跟班里两个同学做的前端和硬件采集端合为一个大的系统。导师刚评上副教授，带的研究生只有两个人（后来又多了一个计创的师弟），虽然还有很多本科生，但是对我们的指导时间很多，是那种实干型的导师，会一边给你理思路一边给你准备资源。

拿到几个大华的摄像头、NVR和SDK之后，在B3五楼会议室里调C代码读写数据，并且从Servlet裸写Java后端（虽然实习写Android把Java写得很熟了，但是当时不熟悉Java后端框架，所以就直接Servlet）。写了差不多两个星期就写完了。然后开始写论文初稿，到一月底，毕设就基本完工，虽然后边又各种调整，但基本的工作在这个时候都做完了。在这个Java后端里，把在QQ邮箱实习的时候熏陶的设计模式全都实践了一把，感觉写的挺优雅，但是好像有点过度封装，不过也还好，这个系统就一直沿用下来。

在后边研究生几年里这个系统又被部署到超算虚拟机上，经过离线化等等变更。合作的两个同学毕业后他们的Hadoop后端和JS前端，路由器硬件都变成我维护了(:з」∠)不过因为没有特别大的改动所以还能Hold得住，一直到现在还在运行着。

支线任务1：自学

写完之后就回家放寒假，因为有大把时间，所以开始刷GitHub，熟悉Git，Markdown，Gitbook，期间翻译了一个当时Github上Star上万的工程，大概讲的是程序员的自我修养之类的东西，收货了几百个Star，后来因为在邮箱期间遇到的Webview问题没彻底解决，心存执念，又开始翻译Chromium的文档，因为当时国内也没有Chromium的中文文档，所以就动手翻译，也从中学到了许多架构设计方面的东西，虽然因为内容太多没有最终翻译完。

支线任务2：物资管理系统

毕设这套系统更偏向工程，还没有一些计算机视觉的东西，当时导师就跟我讨论就想是不是可以往这方面发展做点研究，于是开始学Python，因为我之前在学校学工办勤工助学，实习的时候就跑路了，准备大四下回去在挣一点生活费，毕竟奖学金只够学费，吃饭还是得自己想办法（当时没想到导师每个月给我们发的钱完全够吃饭了），所以就用Python+Django写了一个物资管理系统，当做回归的见面礼，顺便也是试手Python。这套系统从2016年3月一直用到2018年12月，因为之后我要毕业不在学校，办公室那边的同学维护不了，所以及时过渡到了以前的Excel工作模式。我感觉这套系统做得还挺好看的，实践了一把当时比较推崇的Material Design。

支线任务3：羽毛球

每周1个半小时的羽毛球，一直打到现在，学校的体育馆还是可以的。

大四下学期（2016.3~2016.9）

主线任务1：毕设

这学期主线任务还是改毕设啦，改格式很烦(:з」∠)

主线任务2：入门机器学习

导师之前其实也不做机器学习，我也是自己摸索，当时TensorFlow，Caffe各种框架百花齐放，因为之前做Android比较喜欢Google，所以在TensorFlow还只是0.8版本的时候开始自学，看的是Google在Udacity上发的教程，一边学一边整理笔记，放到GitHub上又刷了几百个Star。差不多5月的时候，导师也开始跟我们讨论当前机器学习的一些进展和研究方向，因为发现调参很麻烦，所以想做一个自动调参的东西，用神经网络来给神经网络调参，然而当时我只有CPU，整天在Acer笔记本上呼呼呼地跑实验，一直到暑假快结束了实验效果也不好。后来发现Google用N多块GPU做出了AutoML…后来差不多到研一导师才开始重视设备，所以这段时间更多的只是学TensorFlow和机器学习的一些基础知识，也开始学会了做实验，当然因为没有设备这个方向在开学之后还是放弃了。

支线任务1：校园活动管理系统

因为回到了学工办，受到当时双创的影响，被那边的老师抓去组了一个小小的创业团队，准备写一个校园活动管理系统。所以大四下也花了一些时间在这件事情上，带着不同学院的几个同学一起做东西，又写Python又写JS，虽然最后也没搞成，但还是挺有意思的一段时光，遇到许多不错的小伙伴。

支线任务2：博客

大概是到这个时候博客才开始放到Gitbook上，大多数是一些琐碎的知识，后来也渐渐把论文解读和一些工程实践也放进去，还在一直写着。

研一上（2016.9~2017.2）

主线任务1：上课

研究生的课大部分没什么卵用，我觉得我学到最大的技能就是读论文，做PPT还有汇报…当然还是有几门有用的课的：

• 视觉计算：传统图像处理的各种套路

• 模式识别：机器学习基础

• 最优化计算：机器学习数学基础，还顺便学了一波LaTeX

主线任务2：行人重识别入门，确定研究方向

遭遇了自动调参任务的失败之后，10月老师开始让我调整方向，感觉导师在方向上的把握一直都很敏锐而正确。老师希望我还是关注回毕设做的视频行人检索任务上，于是开始看顶会上的各种行人重识别论文，不知道为啥当时老师follow郑宇大佬的工作，关注多模态，所以我们整个实验室大方向是多模态数据融合，我是行人重识别这个小方向，在毕设的系统里，发现基于Wi-Fi的时空信息能够有效筛选行人之后，也想在行人重识别数据集上做相关的研究。

一开始看论文其实没什么经验，看到公式基本都觉得不懂，学了最优化计算之后才感觉看懂了，此外还有一个机遇是老师带着我们去了一趟南京大学参加MLA，听了各路大佬的论文解读和方向指引，期间也看了大量的论文，开始对机器学习这个领域有一个整体的把握，之后看论文就得心应手了。

回到研究上，看论文之后再去调研数据集，才能知道从哪里下手。可视化是一个很重要的手段，一边各种数据分析加可视化，一边跟导师讨论（老师经常半夜十一二点跟我QQ讨论进展）我们才将目标剥离为无监督时空+视觉这个干净的方向，差不多就到11月了；在这个学期主要是尝试构造时空模型，并想办法和视觉模型做融合。当时Re-id还没有那么多方便的Baseline，我用的是郑哲东的MATLAB baseline，用了MatConvNet这个框架，也是走了一点弯路，一边准备考试一边做实验，差不多到要寒假才把视觉模型的训练和测试都理顺跑通。寒假期间开始把时空模型和视觉模型结合起来，有了一点初步成果，这部分是用Python写的，所以这期间一直在Python和MATLAB之间反复横跳。

这个期间拿着老师给的5W买了一台三卡机，三张TITANX，总算有显卡可以用了…代码也开始放到服务器上跑，这个方向设备真的还是很重要的，我觉得至少要有一张11G的卡吧…

支线任务：PS

因为在学工办兼职，需要做一些海报之类的，本科的时候在学院的宣传部做过，就扛起了学工办所有的海报设计…虽然水平不高，但至少能用。

2016年就这样过去啦：

研一下（2017.3~2017.8）

主线任务：推进实验进展

放假回来还是继续做多模态融合，思路还是从实验里找，各种可视化，摸索出可以建模噪音这样的思路。差不多5月的时候实验基本能保证有效了，导师想投NIPS，开始写了一点点论文初稿，但是因为时间太赶，实验还不完备，就拖着没投，继续完善实验，进一步想用Learning to Rank来改进模型，从调研到选路线到推实验。期间因为支线任务1学了Keras，所以把代码都改成了Keras实现，代码写起来非常清爽，也都整合到Python里了，并且用各种技巧把视觉模型baseline复现到郑哲东他们TOMM的水平，暑假也一直在调Learning to Rank，直到效果满意。

支线任务：百度宠物狗分类比赛

发现了这样一个比赛，然后加了比赛群，听各路大佬吹牛（里边有很多大佬在知乎哈哈），学到了很多套路的东西，包括调参技巧，刷分技巧之类的。这些东西虽然不是必须的，但有了之后会事半功倍。同时也学了Keras，加了Keras群，先试水宠物狗分类，把Keras套路用回ReID。虽然这个比赛没刷上去，但开阔了视野，我们不仅有实验室，同学这样的来自学校的力量，还有来自社区的力量可以汲取。

研二上（2017.9~2018.2）

主线任务：CVPR论文

9月把实验都整理好，老师开始写论文，我也一边写实验的部分，虽然后来基本上还是都被导师重写了，毕竟老师写起来确实比我写的好很多。各种画图，各种修改。直到十月底投出去，老师还在学院楼睡了一晚，真的很辛苦。好像是到1月的时候CVPR review，然后写Rebuttal，应reviewer要求补了很多实验来rebuttal。过完春节，某天好像听说出结果了，然后发现已经AC了。

支线任务1：树莓派系统

因为老师想要以后把工作重点放在行人重识别上，所以需要搭一套实验平台，包括采数据的终端和存数据，检索的后端。以前那套系统基于Hadoop太笨重了，所以我重新写了一套系统。买了一堆树莓派、摄像头和无线网卡，在树莓派上跑行人检测，把数据存到MongoDB，用Spring boot来写后端。感觉写工程开始变得很容易，Spring boot也就简单看了几天视频教程就用起来了。只要把一些难点攻克了，之后写起来就很流畅。这个事情做了一个月，然后交给几个大二的本科生接手了，但师弟们之前只学C++和数据结构和算法，不太推得动，有烂尾的趋势，估计我研三下还得把这个东西自己拿过来推进。

支线任务2：动物计数横向

跟一个创业公司合作，做一个数牛的项目，主要还是用树莓派和目标检测那堆东西，加一点物理知识做计数，做出来效果还行。技术上难度不大，但是跟甲方讨论还是一件挺费时间的事情，需要及时推进和协调。

支线任务3：目标检测

寒假期间看了目标检测方面的经典论文，为下学期找实习做准备，虽然我是做行人重识别，但是重点其实还是在多模态上，对计算机视觉方面的东西还是停留在课程里学的东西上，以及Re-id一些论文。其实应该把分割和人脸方面的一些论文也都看一看的。

2017年就这样过去啦：

研二下（2018.3~2018.8）

主线任务1：论文

首先是把CVPR的论文整理成camera ready，然后是继续改进，想得到进一步的提升去投期刊。试了很多技巧，感觉创新点够了，但是效果还是没太大提升，所以一直没投出去。

主线任务2：实习面试

投了几家公司的实习，面试，一边刷牛客网上的题，因为我不是专业的ACMer，而且也有别的任务要做，没法把题都刷完，所以刷题只是找找感觉，基础知识也只是看蓝皮书和西瓜书，大部分面试都是裸考。好在还是找到实习了，具体经历在知乎上答过：https://www.zhihu.com/question/272045026/answer/366665187

主线任务3：鹅厂实习

到AI Lab实习主要还是研究类的工作，感觉在这期间填补了之前在CV上欠缺的一些认识，发现原来网络结构啥的可以玩出这么多的花。具体不便多说，保密哈。

主线任务4：秋招

2019秋招算法面经：https://zhuanlan.zhihu.com/p/42936891

支线任务1：实验室基础设施建设

跟师弟一起搭了实验室的Git平台，还有网站和博客，所以2018年在GitHub上提交的代码可能少一点点。

研三上（2018.9~2019.1）

主线任务1：期刊论文

读了18年的一些顶会论文，获得了启发，找到有效的提升方法，现在实验做完了，效果很好，希望能在春节前把论文投出去。BTW，回来给实验室买了两台GPU服务器，实验室目前有3张TITANX和12张1080ti，还有若干1060，师弟们都转Reid了，卡要多一点才够用。

主线任务2：毕业论文

SCUT总能时不时坑你一把，去年论文是研三下才送审，今年就变成1月送审了，于是生死时速开始写论文，现在写好了，等导师给修改意见就准备去查重送审了。

2018年就这样过去啦

研三下（2019.2~2019.4）

主线任务1：毕业论文

寒假的时候送审意见就回来了。做了一点点修改就可以准备答辩手续了。因为学院当时行政比较混乱，所以手续搞了挺久。期间做了答辩ppt，到答辩前一个星期讲给导师听，导师听完之后说：“我觉得你这个只达到了硕士水平，没有达到博士水平”。于是照着导师的意见做了修改，把ppt做得更加易懂，自己把整个ppt背了下来，试讲了几遍之后再跟导师试讲。答辩的那天很早就到了B3，但我是最后一个答辩，一直等到中午，前面很多是一些在职的学生（真的很菜。。），于是到自己答辩的时候就木有什么压力了，讲完之后有个评委老师甚至很感兴趣要代码。宣布答辩结果之后，再适当改一下论文，就等拿毕业证啦。

4.18 双证到手。

主线任务2：行人检索系统

导师想做一个平台来演示我们实验室所有的算法，于是Java后端，web前端，python深度学习后端，树莓派采集端我都一个人写了出来。现在还是一个比较简单的版本，交给师弟们后续继续扩展。

支线任务：熟悉无人机

因为要入职大疆，公司发了一台无人机，所以没事就带着无人机到处拍。无人机还是很好玩的，毕竟造飞机是每个男孩的梦想嘛。

小结

稍微写几点体会吧：

• 读研期间有一个好的导师真的很幸运

• 要尽快确定一个还有研究空间的方向，前期要多读论文，多总结，开阔视野

• CV方向至少要有一块卡，实验室没有的话，尽量自己买一块吧

• 确定方向之后多做实验，多做分析，多跟他人尤其是导师沟通

• 工作的事情是水到渠成的，在学校能出成果最重要，尽量在研二上把论文投出去

• 现在环境比我们当时好了很多，框架成熟，baseline开源代码到处都有，大多数实验室也都意识到设备重要性，所以都有设备了，但是竞争也更激烈了，大家要加油呀

推荐阅读：

一大批历史精彩文章啦

详解Transition-based Dependency parser基于转移的依存句法解析器

干货 | 找工作的经验总结（一）

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

是时候研读一波导师的论文--一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

---

好文！我在看！