其实孟繁岐也曾无数次幻想过重生这样的事情，在他的梦中，事业，爱情的进展总是神速，一帆风顺。

    然而当真有机会重新走在十年前的大学校园里，孟繁岐却发现，也就只有买买BTC这种事比较容易做。

    他没有异界默写《红楼梦》，倒背唐诗宋词三百首的记忆力。

    而AI时代代码和工具的更新换代又是如此迅捷神速。

    截止此时，别说是后世二分天下的两个AI工具没有发布，就连更早的Caffe都没有开始开发。

    整个学界还在AlexNet大地震的余震当中，学界不少人连深度神经网络到底长什么样子还没完全搞清楚，又哪来的现成框架给他使用呢？

    孟繁岐走在回宿舍的路上，开始思索怎么应付重生回来的第一个难题，服务器这东西只要熬过这几个月，出一部分BTC就够买。

    而参赛拿了第一之后，谷歌可不会吝啬几台机器借你用。孟繁岐非常清楚这段往事，只要顺利实现算法，谷歌开给自己的将会是一个天文数字。

    比较麻烦的是构建这个模型要用的代码框架。他开始接触的那会儿，最火热的工具是15年出的TensorFlow (TF)，又过了两年，17年脸书(Facebook)提出了PyTorch，更加易用，渐渐后来居上。孟繁岐便也转而使用PyTorch居多。

    再之前的一些框架，他有所听闻，但诚实地来说，确实从来没有接触过。

    越到后期，各种包装就做得越好，即便是小学生来了也可以两行代码直接构造一个高性能的前沿模型。

    但那到底是十年后了，如今距离TF发布最初版本还有两年多，孟繁岐有点烦躁。

    他目前的计划是去看一看去年AlexNet最初版的源码，再去看看阿里克斯本人的主页，应当会有一些收获。

    实在不行，就只能乘着阿里克斯如今春风得意，又还没有签约谷歌的这段当口，多套近乎，向他请教。

    由于AlexNet是深度学习时代的里程碑事件，其模型名称又以本人命名，因而孟繁岐对其论文，网络乃至本人都稍有些了解。点开网页搜索其人的姓名，很容易就能在多伦多大学的网站上找到其简洁的个人主页。

    不仅如此，这个个人主页上还详细记载了他在校期间自己开发加速的一些代码。主要是C++和基于英伟达显卡的CUDA代码，基本上在10年-12年这个时间段。

    “好人一生平安啊！”孟繁岐点开链接，发现他不仅是代码和结果记录在里面，就连每次的改动修正了什么也都记得清清楚楚，甚至旁边还留了一句言，“如果有任何代码跑不起来，请随时联系我。”

    孟繁岐的眼中流出了两行热泪，正是因为一代代算法开创者如此无私的奉献和分享，AI行业才在十年中发展的如此迅猛。

    “好代码，我抄！”数据和代码都在下载之中，如果这个cuda-convnet的框架可以使用，那代码的问题其实就算解决了一半，孟繁岐完全可以基于这个雏形框架先初步实现一些比较关键的算法。

    想到这里，孟繁岐不得不由衷地感谢后世越来越内卷的算法面试。

    他对自己的能力认知非常清楚，即便是重回十年前，他的代码能力也并不突出。他的优势在于清楚很多技术和公司的发展路线。

    之所以对这些著名的算法技术了若指掌，并且能复现其中相当的一部分。还得多多感谢程序员特色的面试机制。大一些的企业，一次面试面你三轮五轮技术，现场考你写代码，问你经典技术让你实现，那是司空见惯了。

    加上程序员这群人又特别喜欢分享，酷爱写“面经”也就是面试的经历和经验。往往又有好心人针对这些问题提供非常详细完美的答案。

    如此来回反复几年，大企业为了筛选人选，题目也是越出越难，越出越加刁钻。因而使得孟繁岐对各个路线的基本核心技术和经典论文烂熟于心。

    只是后世早有人把工具写好，了解这些经典原理在工作中没什么大用处，却没想到竟能在这里物尽其用。

    除了代码之外，另一个要紧的任务就是几篇重要论文的细节和推理论证。

    孟繁岐基本记得主要的脉络和逻辑，但细微之处却不周全，还需要好好努力打磨一番。

    如果想要分最大的蛋糕，要做的事情还是相当多的，孟繁岐仔细盘算了一下，许多日后AI方向的基石，其实大都在13-15年这段时间提出。

    并且，如果自己频频提前一两年提出算法，发表论文的话，很有可能引起蝴蝶效应，使得领域内的进展更加的快速。导致自己的时间比原本要越少。

 -->>

本章未完，点击下一页继续阅读