深度学习的困扰

你从概率论开始学起，从一堆萌萌哒的排列组合方法，到除了马尔可夫，其他都不怎么用得上的随机过程。

你从线性代数开始学起，从矩阵分解，到搞不太懂的各路加速gradient decent算法。

后来你又学了svm，从推导出表达式到用拉格朗日乘子求解。你学linear regression，和它们基于极大似然的数学含义。你虽然看不懂记不住EM 的推导，但可以用EM结论推导Gaussian mixture model，还知道KNN是它方差为0时候的特殊形式。PCA是披上了外衣的low rank approximation ,pow iteration 其实是马尔可夫过程。你学bias和variance的物理含义，过拟合怎么样，欠拟合怎么样，梯度爆炸是为什么，梯度消失是为什么。感觉自己头头是道踌躇满志要大干一番。

你终于学到了深度学习，前后向传播算法，fully connected layer，CNN，RNN，LSTM，GAN。我迷茫了。感觉自己一年前所学毫无卵用，只会照搬别人框架，根本不知道这个框架为什么work，怎样的框架可以work。迷失在复杂网络的loss曲面中，调参时陷入深深自我怀疑。我突然觉得很沮丧，自己原来什么也不会什么也没学到，感觉自己干的活能被机器人代替。

这行的研究人员门槛很高，可是工程师几乎没有门槛。可能是我见识短浅，才发表了这番不当言论。大家对这门技术有别的见解吗，我怎么才能多了解一点黑匣子里发生了什么呢😞