前几天，听到两个同事在沟通某个神经网络中一处算法的实现。
因为下面的一段对话，让我突然感觉到，搞AI算法，是真的在搬砖盖楼！
对话
A：“这个卷积后面的 tensor ，需要通过维度拆解（split）加维度转置（transpose）进行才行！”
B：“硬件对于低维拆解是不友好的，数据需要低维对齐，调用转置指令的话，性能也不见得会有多好。”
A：“那如果不用 split 和 transpose 来实现，有其他更好的办法么？”
B：“让我想想，把我的图纸拿来！”
A：“图纸，什么图纸？”
B：“网络结构图，我要开始搬砖了。”
于是，同事 B 找来图纸，手里拿着铅笔，开始写写画画，进行算法替换的推导！
...
AI算法工程师
AI算法攻城狮，大致分为两类。
第一类是搞全网优化的算法攻城狮
他们基于整个神经网络做算法实现和优化。主要的手段大致为：数据量化、网络剪枝、模型调参（炼丹）、图融合、指令调度等等。
目的是使得整个AI神经网络有更好的性能，也就是经常可以听到的，做神经网络的优化！
经常会看到某某公司推出了一个新模型，无论识别精度，还是运行性能，都吊打其他公司，这里的性能，其实就是大量的网络优化后，取得的效果。
第二类是搞单个算法优化的算法攻城狮
他们往往只局限于某一个或一类算法进行持续的优化。
最常见的就是卷积和矩阵乘法优化的攻城狮门，也是各大AI算法公司抢手的香饽饽。
但是，不论哪种算法攻城狮，都离不开对于网络结构的了解。
可以说，整个神经网络是一座大厦，卷积这种重要算法是承重墙，其余算法是砖、水泥、钢筋和混凝土，哪里需要搬哪里。
Resnet50全貌
之前一直在写的resnet50这一网络，就是用大量的卷积来搭起来的，下面是 resnet50这一网络的全貌，长图预警。
看完，或许你真的会有一个感觉，从头到尾用代码去实现这样一个神经网络，真的和搬砖盖楼，没有区别！
