本科在电子科大，学的是电子工程专业。花了两年时间，发现自己只对数字电路有感觉，对模拟电路丝毫不感冒的他，确定自己不适合做电子工程师。由于从小对编程的兴趣，选择了电子工程学院里看起来最为接近的“模式识别”方向，在那时，模式识别和机器学习能做的事情还不多，但隐约间FG觉得人工智能一定会有很大的发展。“就赌它了，那时候我就觉得人工智能肯定是未来“。

可话又说回来，为什么只对数字电路有感觉？“只用0和1来回答的问题，对我来说更简单。”

就这样，FG在大三、大四阶段，把精力放在了模式识别上，也就顺理成章考上了本学院模式识别实验室的研究生。

研一下学期，一位老师从美国博士毕业加入了实验室，跟实验室的同学说，现在大家都在研究深度学习技术。那也是FG第一次听说“深度学习”这个词，那一年是2013年，”深度学习“正迎来大爆发的时期。

早在1943年，由神经科学家W.S.McCilloch和数学家W.Pitts在论文<A Logical Calculus of the Ideas Immanent in Nervous Acitivity>中提出了MCP模型，这个模拟大脑工作原理的数学模型，就是现在人工智能的一切基础。

所有新事物的发展史，都是充满崎岖的，这也是科学探索的迷人之处。”深度学习“的发展更是如此。在经历过缓慢发展、停滞这些阶段之后，终于在2012年迎来爆发。

2012年，机器学习领域的泰斗级人物Geoffrey Hinton，为了证明深度学习的潜力，带领课题组首次参加ImageNet图像识别比赛，其通过构建的CNN网络AlexNet一举夺得冠军，且碾压第二名（SVM方法）的分类性能。也正是由于该比赛，CNN吸引到了众多研究者的注意，在此后的5年里，关于深度学习是否是人工智能的未来的讨论，就一直没有停息过。直到现在。

时间拉回到2013年，那个在电子科大读研一的FG，在听完实验室老师对深度学习未来的描绘之后，回到实验室随即在网上搜了Andrew NG的课，开始了自学。在完成了课程学习后，他就决定读博了。

是偶然吗？或许是吧。但是对于一个对技术和科学拥有绝对痴迷的他来讲，又是一种必然。

挑战Facebook

2014年，Facebook曾经发表了一篇文章<DeepFace: Closing the Gap to Human-Level Performance in Face Verification>，在一个很不起眼的段落里，提到了“提取特征需要进行归一化”，FG当下在这句话上，就泛起了嘀咕：为什么要在测试阶段才做规一化，而不是在网络训练的时候就把它规一化好呢？

带着这样的疑问，FG开始了第一次尝试，即在网络训练时候就开始进行规一化操作，过程当然不是那么顺利，不论怎么调整网络参数，网络始终不收敛，在多次尝试失败后，只能选择暂时放弃。

博三的时候，FG获得去JHU（约翰霍普金斯大学）交流的机会。在JHU，FG又想起了之前暂时的放弃的实验，这次在分析了网络的输出结果分布之后，发现了问题的原因所在。其实只需要加入一个尺度系数，网络不但可以收敛，而且取得了更好的结果。

于是他把这个发现，写成了论文，发表在了ACM MM上。（感兴趣的同学可以搜来一读：<NormFace: L2 Hypersphere Embedding for Face Verification>）

网友奔现

读博期间，在一个深度学习交流群认识了naiyan，那时候还没有图森未来。2015年在成都VALSE上与naiyan面基，互相的欣赏与信任为日后FG的加入，打下了基础。

直到2018年FG博士即将毕业，回到国内。听说到FG已经回国，naiyan便找到他，“他说他们在做无人驾驶，问我要不要来试试”FG说道来图森未来的契机。

2018年完成博士学位回国的FG，因为自己博士期间的课题是人脸识别，毕业来到工业界，发现人脸识别这一市场几乎已经饱和，市场上有上百家公司都在做人脸识别。而对于一个对技术有着绝对执着的FG来说，他不想把一个已经相对成熟的技术领域当作是自己未来的发展，而是想着在一个更前沿的技术领域，找到自己的位置。那么无疑，无人驾驶，刚好是个机会。

加入图森未来之前，FG一直和naiyan在网上讨论技术问题，FG对naiyan的信任和好感，也促使他加入了图森未来。“前景更好、觉得团队技术更强更容易进步”，FG说起最终决定加入的理由，也颇直男。