对于自动化专业，未来走向控制科学与工程专业的同学来说，我们要走的道路和计算机系的道路是不一样的。很多学控制的同学希望在毕业以后转码，我真为他们感到悲哀。你想想，211档次以上高校的计算机系的同学，从大一的时候开始就与代码为伴，四年下来起码写了上万行代码，自动化专业的同学四年下来代码量能否有人家的百分之一都很难说，如果要转码，如何与他们竞争？我们的优势又在哪里？

    搞控制的人，相比起搞计算机的人的优势在于：数学功底更强、“电”方面的理论底子更为扎实、学过控制理论。这三点的汇总，简直就是为搞机器人而量身定做的。很多人说搞机器人需要三大实力：数学、计算机和英语，现在看来，没错，但是对于不同的专业，数学英语和计算机特别是计算机，它的侧重点是不一样的。

    举个例子，深度学习和机器学习几乎是涉足人工智能行业的必备技能。对于搞控制的人，完全只需要弄明白深度学习接口的调用方法，能够熟练掌握调用方法，以及熟练掌握怎么查调用的方法以确保很快找到它们，对于深度学习和机器学习而言就足够了。因为我们的任务不是优化机器学习的性能，而是把机器学习和深度学习作为机器人的一个组成部分按上去。优化性能确实需要知道深度学习和机器学习更为底层的理论，但那个是计算机系的同学负责的。

    这并不是说我们去了解深度学习和机器学习的理论对我们是没有帮助的。只是人生短暂，青春易逝，我们应该发挥自己的长处，把宝贵的时间用在刀刃上。

    所以作为深度学习领域非常优秀而且易于上手的框架，Pytorch的学习对于计算机系的学生和对于自动化专业的学生可以说是很不一样的，我认为绝对不能混为一谈。对于自动化专业的学生来说，我认为Pytorch需要熟练掌握的东西远比计算机专业的学生少的多，我们需要做到的方面无外乎以下两个：

    1. 知道Pytorch实现深度学习的基本流程、在流程中用到的几个常用API调用方法；
    2. 在做Pytorch项目实战的时候，认为以后可能还会用到的功能，及时归档，方便以后要用的时候很快回想用法并有现成的调用代码。那时我们要做的仅仅是在原有代码基础上略加修改。

    最后需要提醒的是，我们通过给自己“减负”的方式，在计算机领域的学习时间比计算机专业学生少了很多，写代码、面对电脑的时间都比计算机专业的学生也少了很多，这本是件好事，但它是好事的前提是我们把这腾出来的大量时间用在了我们自己的“刀刃”上。反过来说，如果我们把腾出来的时间用来玩耍、消遣了，那最后的结果还不如我们陪着计算机专业的同学一起卷，累死累活给他们当陪衬。