来自顶尖AI研究员的忠告:这四个坑千万别踩!

小故事:我了解到,对于自动驾驶而言,那些在驾驶过程中你必须对车辆进行人为控制的时刻,就是疑难案例和验证集。但是,最好的验证测试是让一名经验丰富的控制工程师上路,以精确地判断自动驾驶系统的质量。如果你在这个行业之中,最好去特斯拉挖工程师过来(开个玩笑)。

4、过早的扩张是早期创业公司倒闭的主要原因

听到这个建议,你也许会说“别试着教我这些,我听过的创业故事肯定比你多!”诚然,但这里要告诉你的新事物是:你应该把GPU和硬件训练当成和员工同样的因素来考虑。一旦你雇佣/购买了超过你所需要的,你将花费很多的精力来安排多出来的资源。管理集群会很困难,而且深度学习的大规模HPC本身就是一个研究课题。

我在这里的建议是:在你想买一个新的GPU之前,你应该保证你所有的GPU都被充分利用。你当然可以像Google一样大手大脚,前提是你的生产力和盈利能力能像Google一样。

如果你的团队和公司已经足够大,要严肃认真地招聘那些在基础设施上工作的员工。如果你雇佣了10倍于硬件员工人数的研究人员,却让他们被迫等待,那么最好的情况是他们自己建立适合自己的基础设施,最坏的情况则是他们干脆直接退出。这肯定不是你想见到的状况。

小故事:当我有一次离开办公室却没有让我所有的GPU运转的时候,Niel(comma的手机APP副总裁)给了我一个非常失望的神情,这甚至都让我有了“空闲GPU恐惧症”。在今天,这已经成为了一个非常普遍的问题。

没错!在人工智能领域工作既富挑战性,又充满了乐趣。确保你对如何处理资源和可视化有一定的思考,那么你会没事的。

登陆|注册欢迎登陆本站,认识更多朋友,获得更多精彩内容推荐!