13年的夏天，燕京电力大学本学期已经将近尾声。
大部分学生的课程都已经结束，除了少数还没有考完的科目，平时基本上已经无所事事。
就在大部分学生颓废地在宿舍哀嚎为什么学校还不装空调的时候，有两个人正干劲十足，在为两个月后开始的竞赛做准备。
两人已经畅聊了不少，孟繁岐大概为其梳理清楚了基本的概念和认识。
他一直认为，新人接触AI和人工智能，切忌执着于某个局部和概念，容易得不偿失，看了半天还没看懂。
先对整体的原理用浅显的方式，结合生活中常见的场景和概念去理解为好。
随后则先接触一个可以顺利运行的代码例子，跑起一个demo来，会大大增强自己的自信心，有很强的成就感。
有了兴趣，有了成就感，有了信心，又大概理解了整体的流程和意义。人自然会自发地去探索代码，尝试去理解每个零部件，每个参数的意义和它会产生的影响。
说不定就会有一些奇思妙想。
如此从上而下，方为正道。而不是苦苦啃了几个月的公式，结果来到电脑前一句代码都不会写，根本无从下手。
前段时间，孟繁岐已经将基于Alex的cuda-conv框架，实现了一个简易版三层神经网络做十分类任务的demo。
唐璜借此基本熟悉了本次竞赛的第一个任务内容。
孟繁岐便指使他去仔细看一看IMAGE官方给的数据存放方式，开发工具和使用的方法。
自己则尝试将自己这段时间以来所准备的算法基于该框架实现，但是不太顺利。
其实Alex自己在主页上也意识到了这个问题，他称自己主页对代码的描述是非常‘skimpy’的，比较不充分。
而此时非常不完善的生态也进一步地加剧了这个问题，英伟达的CUDA起步不算太久，不同版本之间的代码又需要改动。
孟繁岐更换了几个代码库的版本，结果显卡GTX-690的驱动似乎有哪里不兼容，部分代码的编译也不顺利。他相信这份代码本身是Alex发布出来的比较成熟的版本，不会有什么问题。只是环境和调试上确实是一件麻烦事。
此时的AI技术不能说是小众，但也没有到这种细节问题都随处可查的地步。孟繁岐浏览了一下stackoverflow等网站，查看了一些相关讨论。
虽然解决了大部分问题，但终究还是剩下了一些。
“没办法了，只能写邮件给Alex求助一下。”孟繁岐倒不是很担心Alex愿不愿意回复的问题，只要自己表明来意，说清楚自己希望以深度神经网络参赛IMAGE-2013，Alex是一定愿意伸出自己的援手的。
众所周知，AI三巨头是Hinton，Lecun和Bengio三人。2018年的图灵奖由这三人共同获得，以表彰他们多年来的坚持和贡献。
新时代的AI起飞靠得核心技术是深度神经网络，但在60和80年代的两次热潮之余，神经网络其实并没有得到足够的重视。
Alex是Hinton的学生，2012年两人和师门其他人一起以Alex参赛IMAGE-2012的时候，是唯一一个使用神经网络的团队。
孟繁岐很清楚，Hinton和Alex渴望神经网络被发扬光大，他们也已经在2012年以碾压的姿态击败了其他竞争者。
此时的他们还没有完全开始日后非常忙碌的事业，正处于“万国来朝”的喜悦之中。非常乐意为非盈利性质的同好提供技术上的支持。
Alex主页上开源的这套cuda-conv其实就是日后TF和Pytorch的缩影。
贾扬清博士后来开发的Caffe是许多AI开发者的初恋，很多内容也是基于cuda-conv。贾博士本人也与Alex交流甚多，从Alex那里得到了很多的帮助和支持。
时隔多年，贾博士仍曾感怀Alex和cuda-conv，说明Alex在AI技术方面，确实是一个热情好客的人。
虽然决定写邮件叨扰，但其中内容却不是那么容易写的。程序员是一种对提问质量有较高要求的群体，尤其是Alex这样走在时代前沿的顶级大脑，这样的人对愚蠢和傲慢的容忍程度是很低的。
因为开源(Open-Source)是这个世界的一大特色，AI的飞速崛起很大程度上依赖这种无私分享的氛围。去年夺冠击败一众一流大学和科技公司的Alex，其所有代码很快就已经可以被随便一个人直接下载到自己的电脑上。
没有任何的壁垒和门槛，最核心的内容就这么免费摆放在你的面前。在这样的情况下，如果再问出愚蠢的问题，是显得有些侮辱人的。
那些不愿思考、或者在发问前不做他们该做的事的人。那些人是时间杀手——他们只想索取，从不付出，消耗我们可用在更有趣的问题，或更值得回答的人身上的时间。
“拿来。”“给我。”他们的问题听起来就是这个意思。
Alex为许多人提供帮助使用的是自己私人的时间，第一次直接接触业界的风云人物，孟繁岐可不想显得很不礼貌，像个傻子。况且，草率的问题其实也只能得到草率的答案。
本小章还未完~.~，请点击下一页继续阅读后面精彩内容！