携手创作,共同成长!这是我参与「掘金日新计划 · 8 月更文挑战」的第9天,点击查看活动详情
这两天有很多想做的事情,但当计划实际落地的时候,却发现无从下手。所以无论又如何的鸿鹄之志,也一定要先扫自家三分地。
Talk is easy, show me code.
本文按照今日学习的问题分解和质量指标讲座为为出发点,介绍问题定义、指标制定的方法,并以当前目标为案例进行实际测试。
问题定义
问题的定义是为了更有条理性的解决问题。
第一步,分类管理,按照优先级逐个解决。
问题的状态可以简单分为五种,
- 问题被定义;
- 明确问题的根本原因;
- 找到短期措施并验证有效性;
- 确定长期措施并确定生效事件;
- 充分验证长期措施并实施;
指标制定
指标制定是一种辅助管理手段,以达成产量质量表现等目的。
总体规划、逐级分解是指标的实施方法,再指标制定的时候,一定要确保其具有一定挑战性,但通过努力可以达成,根据实际情况进行实时调整。
任务实践
当你拿到一个目标的时候,你必须得定义这个问题,明确需要做到的程度,然后再明确为什么现在无法实现。
我就犯了这样一个错,当我发现stereo_dso 和我试图实现的低速状态下定位建模算法的目标一致时,我就打算向以前看一段接单代码一样,从main()函数开始看起
int main( int argc, char** argv )
{
//setlocale(LC_ALL, "");
for(int i=1; i<argc;i++)
parseArgument(argv[i]);
// hook crtl+C.
boost::thread exThread = boost::thread(exitThread);
ImageFolderReader* reader = new ImageFolderReader(source+"/image_0", calib, gammaCalib, vignette);
ImageFolderReader* reader_right = new ImageFolderReader(source+"/image_1", calib, gammaCalib, vignette);
reader->setGlobalCalibration();
reader_right->setGlobalCalibration();
……
以零基础开发一个AI模型为例,你拿到手就去看研究生论文、博士论文是没用的,你去看上万行代码的行业目前最优的开源项目也是毫无帮助。
因此,你必须给自己制定一个可以实现的指标:
先做一个符合算法定义的算法,只需要有输入,有输出,中间的模型其实可以不用太复杂。
- 明确定位建模算法的需要和目的,需要哪些数据输入;
- 明确算法输出,定位建模算法的目的是什么,可以得到什么结果;
- 如何最简单的实现结果,如何实现;