1、接到一个项目之后心潮澎湃，脑子里马上闪现出faster rcnn、resnet、mask rcnn等各种牛逼的算法。

2、结果发现图片都不知道存在哪……于是反馈给产品经理，开了一通会议，确定图片数据库在某个位置，准备读表爬虫！

3、结果发现表的信息是乱七八糟的，一张表里面有图片链接，但没有这个图片的标签信息；另一张表里面有标签信息，但又没有图片链接。找了许久才发现两张表可以用图片id来结合，行吧，不就是查表的事情，写一堆代码把这些信息整理起来吧！

4、花了一天终于整理出图片链接的csv了，交给爬虫组爬了三天三夜，期间在YY到时图片下下来之后可以用什么算法。

5、拿到图片了，发现类别有了，但是bbox、关键点坐标信息都没有啊！咋整，上网找了个labelme自己整个1000张用着先呗，然后花了两天整了少量图片出来，期间还要劝服同事帮忙。

6、剩下的图片交给标注员去标注。接着就是根据前两天YY到的算法，上github找找有没有现成的模型，然后git clone。修改了一点输入输出，用公共数据集顺利跑通！看来还是不错的嘛！

7、回头把自己的数据放进去试试，简直一塌糊涂，那是当然的。现在就得回去仔细研究论文，看看作者的各种实现细节，然后魔改模型finetune。再次测试，咦，有点效果喔～

8、这时候领导紧急开了个会议，说现在目标有点改变，我们往另一个方向走吧。

9、开始研究这个领域的所有经典论文，每篇论文都看上好几次，看到最后几乎把整个领域的主要脉络摸清了，然后磨刀霍霍向模型！

10、国际惯例先找github，但是很不幸我想要的算法并没有开源实现，那我来做第一个吧！

11、马上照着菜单（论文），啪啪啪构建proposal模型，各种自定义层结构，特殊的loss function，菜单中提到的weight decay、learning rate decrease，几乎把论文所有角落的细节都翻遍了，目前为止进度还行，但是慢着！论文里提到的一个层，作者只是一笔带过了，没详细说明这是怎么实现的！

12、都到这地步了还能放弃？开玩笑，立刻照着related work那一章提到的所有论文寻找线索，于是各种谷歌github知乎stackoverflow，终于弄懂了这个层的数学原理！

13、好不容易把模型复现出来了，好家伙，开始用标注员准备好的数据来训练。

14、慢着，这loss曲线不对劲啊？为啥会是直线，而且一轮收敛？不不不，肯定哪里出了错误，我得把代码重头检查一遍！

15、费好大劲终于找出bug，代码也顺利跑通了，然后进入各种调参无限死循环。

16、老板：那个，我们决定还是换个方向吧，需求变了。

17、。。。。。。。。。

算法工程师时常自嘲成调包师，而且外行人听多了就还真以为调包很容易，深度学习和其它机器学习算法不同的是，一篇新论文算法的出现都要写很长的代码去复现，而且前提是你深刻了解作者的思想，无奈的是，有时候作者不会把所有细节都告诉你！！！