通过近期学习deeplearning，总感觉自己学习新知识比较慢，应该是有三个方面的原因：

1）思考投入要多，对于新知识本身需要新的思维方式来摸索，需要心心念念的思考；凡是新知识、新算法、新工具、新软件、新框架等都有其对应的规则，所谓“道可道，非常道”就是说产生了一个新的学派，需要对应一套新的思维和方法，否则还是老知识。比如，深度学习虽然是在人工神经网络的基础上发展起来的，但经历了很多高手大师的思索，融入了大师们的新思维，而这是不同于之前方法之处。特别是对于新工具pytorch等IDE，围绕着深度学习新理论，同时结合新出现的算法，开发出了对应的很多API。新手对于这些API的使用需要建立在对理论的理解上，所以需要先了解掌握对应的理论基础。

2）学习的方法需要正确，才能事半功倍，否则，总是感觉不得其门，入不了门。第一步：需要先系统学习理论知识，有一个总体的框架和研究思维的指导。否则，只是一味的读程序可能会不知算法设计者的意图（语义）。第二步：了解其中的参数意义、作用、取值不对的影响，即需要会计算网络模型中各层之间的参数设置。第三步：结合相对简洁可行的程序来解读和剖析运行过程。遇到不懂的函数和语句、运行错误提示，要及时百度搜索，很多时候都能够发现也是别人踩过的坑。不要放过任何一条自己不理解的程序代码或者函数。多百度搜索，多思考前后的联系，多调试代码过程中的参数变化，遇到困难然后自己解决，才能体会其中的涵义。以点带线，以线成面，逐渐成型的过程！虽然耗费些时间，但“好饭不怕晚, 好事不怕慢”，厚积才能薄发。

3）注意在学习的过程中训练自己的思维方式向大师们逼近，而不要对抗，不要想着怎么不是按照自己的想法来设计等心态。放平心态多琢磨专业问题，最终会收获颇多。注意调整研究的心态，不要抱怨自己资质不高，而是要一心一意地思考专业，短时间内掌握不了新知识，而是要反思自己：查阅了多少资料，阅读了多少文献，仿真了多少代码。要从多个维度、角度攻克一个研究点，而不要多面开花。