【社区分享】程序员如何构建碎片知识体系

红太狼 2023-01-02 05:25 148阅读 0赞

# **构建自己的碎片知识体系** #

2020 年已经收尾，回顾自己从事计算机视觉工作已六年有余，在 CSDN 上记录笔记亦三年有余。在这个以快速迭代和 996 著称的行业里，大量的碎片知识分布于我们每一天的工作中，不断学习的过程也伴随着不断的遗忘。

有效的记录当前熟悉的碎片知识，以备后续及时、准确复现，对我们是十分有益的。**对于 TensorFlow 深度学习框架，其本身就包含很深和很广的知识，在使用的过程中及时记录，方便日后查找。**

## 1. 那些年记过的笔记 ##

回顾自己记笔记的历程，有很多教训和收获。在这里将自己在曲折中构建碎片知识体系的经验和教训分享出来，希望能够帮助到更多的人少走弯路。

### 1.1 纸质笔记 ###

读书时我们用笔记录了大量的知识，可能是因为知识的更新，每次完成阶段性的考试，我们就开始慢慢丢弃它们；或许是因为四处求学，每次总要有所舍弃；当然还有漂泊他乡，每次搬迁的遗失。时至今日，残留的寥寥几页笔记也只能当作纪念。纸质笔记已经不再适合我们，毕竟不易保存，难以携带。

### 1.2 电子笔记 ###

我们也会将笔记记录在 Word 文档上。为了便于查找，对目录、文档进行了规范的命名。随着 Word 文档越积越多，无法进行有效的搜索，不能快速地对知识定位。

## 2. 这些年总结的知识碎片 ##

2016 年，在同事的建议下我开始在 CSDN 上记录碎片知识。

### 2.1 记录知识碎片 ###

我们处在 IT 行业，软硬件不断更新，需要不断的学习新知识。同时工作压力大，项目一个接着一个，996 是普遍现象。在当前项目中，对于一些已经掌握和熟悉的碎片知识，未必会在相邻的项目中使用到，间隔一年半载，就很可能遗忘。

**在 TensorFlow 深度学习框架中，包含了大量的 Ops (Operations)，通过 TensorFlow 官网可以查到每个 Op 的用法。** 但是想要完全理解 Op 的作用，必须自己使用数据测试确认，将这些 demo 程序记录到社区网页上，在后续的任何时间需要回顾知识，只要在自己的博客下搜索相应关键字，就可以快速查询到当年记录的知识点，帮助自己快速的使用这些知识。

当然刚开始记录的时候是看不到效果的，因为这些知识短时间并不会遗忘。坚持记录超过半年以后，随着项目的继续进行，就会需要回头查看之前记录的知识，而且回头查找的频率也会随着总结的数量和时间的增加而增加。在我的实际经验中，每一次查找到自己写的记录 [**TensorFlow - Keras 实践笔记**][TensorFlow - Keras]，总能让我们快速推进工作，所以在每一次记录时都认真些，因为有可能自己会回头看很多次。

这样不断的坚持下去，知识碎片会被我们一点一点的收集，构建起自己的碎片知识系统，我们也会变得越来越有自信。

### 2.2 助人亦助己 ###

在社区记录的知识，不仅可以自己及时回顾，还可以帮助到他人。以 TensorFlow 为代表的深度学习框架，都需要适配 CUDA、CUDNN 等运行环境。建议详细记录下安装过程，便于后续自己重复安装时直接使用，不必每次都去网络上查找。 这样的记录也可以帮助他人，避免在安装时陷入困惑。也可以在社区内留言沟通交流，相互提高。

**在生活中有很多的无奈，在工作中有很多的压力，在 CSDN 上记录知识的过程也是一种心理平衡的过程，帮助我们排解压力，分解掉一些现实的烦恼。**

## 3. 坚持 ##

我们记录今天熟悉的碎片知识，是为了铺平明天追求理想的道路。**坚持记录 [这些笔记][Link 1]，在每次看代码时，可以帮助我们快速确认 TensorFlow Ops 的作用。** 这样就可以将更多的注意力放在算法上，提高自己的工作效率。

## Appendix ##

**1. TensorFlow 开发环境配置：**  
这些笔记包含在 Conda 和 Virtualenv 虚拟环境下安装 TensorFlow 的详细过程，以及遇到问题的解决方法。如果我们需要重新配置环境就可以根据自己之前的记录，快速完成。  
[**TensorFlow 安装 - TensorFlow - PyPI**][TensorFlow _ - TensorFlow - PyPI]  
[**TensorFlow + Virtualenv + Python 3**][TensorFlow _ Virtualenv _ Python 3]  
[**PyCharm + Virtualenv + TensorFlow**][PyCharm _ Virtualenv _ TensorFlow]

**2. TensorFlow Ops：**  
这些笔记包含TensorFlow Ops (Operations) 的说明和数据测试 demo 程序。在后续的任何时间，快速查询到之前记录的知识点，帮助自己快速的使用这些知识。  
[**tf.matmul - 矩阵乘法**][tf.matmul -]  
[**tf.squeeze**][tf.squeeze]  
[**tf.transpose (API r1.3)**][tf.transpose _API r1.3]  
[**tf.expand\_dims - 增加维度**][tf.expand_dims -]

**3. TensorFlow 调试：**  
这些笔记包含TensorFlow 调试的相关内容，记录下来帮助我们解决算法调试的问题。  
[**TensorFlow 调试程序 (tfdbg) - First**][TensorFlow _ _tfdbg_ - First]  
[**tf.Print**][tf.Print]  
[**Using tf.Print() in TensorFlow - TensorFlow 中的输出函数 tf.Print**][Using tf.Print_ in TensorFlow - TensorFlow _ tf.Print]  
[**TensorFlow 调试程序 (tfdbg)**][TensorFlow _ _tfdbg]

当然还有很多相关的信息和笔记，不再一一列举。世上没有白记的笔记，每一页都有用。  
记录，就是不停的积累，厚积方可薄发。你的伟大，源于 2021 年勇敢的开始第一篇 CSDN 笔记！坚持下去，这一定很酷。

--------------------

本文由 TensorFlow 社区作者创作，文章已入选 “[**TensorFlow 开发者出道计划**][TensorFlow]” 精选推荐，关注 [**TensorFlow 社区**][TensorFlow 1]，参与社区共建，[**点击这里**][Link 2] 了解更多。 全能社区，一起建设！

[TensorFlow - Keras]: https://blog.csdn.net/chengyq116/category_9031512.html
[Link 1]: https://yongqiang.blog.csdn.net/category_9031512_2.html
[TensorFlow _ - TensorFlow - PyPI]: https://yongqiang.blog.csdn.net/article/details/90805339
[TensorFlow _ Virtualenv _ Python 3]: https://yongqiang.blog.csdn.net/article/details/96498385
[PyCharm _ Virtualenv _ TensorFlow]: https://yongqiang.blog.csdn.net/article/details/78535010
[tf.matmul -]: https://yongqiang.blog.csdn.net/article/details/99998551
[tf.squeeze]: https://yongqiang.blog.csdn.net/article/details/99650699
[tf.transpose _API r1.3]: https://yongqiang.blog.csdn.net/article/details/106867988
[tf.expand_dims -]: https://yongqiang.blog.csdn.net/article/details/95098645
[TensorFlow _ _tfdbg_ - First]: https://yongqiang.blog.csdn.net/article/details/97289973
[tf.Print]: https://yongqiang.blog.csdn.net/article/details/97306635
[Using tf.Print_ in TensorFlow - TensorFlow _ tf.Print]: https://yongqiang.blog.csdn.net/article/details/97391327
[TensorFlow _ _tfdbg]: https://yongqiang.blog.csdn.net/article/details/97155657
[TensorFlow]: https://blog.csdn.net/tensorflowforum/article/details/109832059
[TensorFlow 1]: https://blog.csdn.net/tensorflowforum
[Link 2]: https://blog.csdn.net/tensorflowforum/article/details/109822833