同为工程师，搞算法的凭什么工资比你高？

AI 前线导读：算法工程师到底有什么特别之处？这个岗位真的比普通工程师高一等吗？同为工程师，算法工程师为啥工资高几倍？从普通工程师转为算法工程师，会有多困难？算法真的那么难搞吗？

不知道各位 程序员 朋友平时有没有想过这些问题，不知道各位是怎么看待这些问题的，如果你心里对算法工程师也有着各种疑惑，你一定不能错过今天的文章，本文的作者从两个角度来解答了这些疑问。

在他看来：算法工程师首先要是个工程师，但是，算法工程师又不只是工程师。

是不是听上去有些绕，但是又仿佛很有道理？先别忙着下结论，看完内容再评论。

上篇：论算法工程师首先是个工程师

引子

最近校招面试到吐，算法岗位有点太热了，简直心力憔悴。我们的面试分两个部分，先是做一两道编码题，然后才是考察机器学习的知识。很多同学不理解，在网上 diss 我们，说什么机器学习基本没有问。这种情况，一般是代码做的太烂了，面试官都没有兴趣去了解机器学习部分。

机器学习算法岗位，很容易让大家有个误解，认为平时工作就是推推公式，调调参数。鉴于此，本文借用下我们团队最近的一个重要项目：深度学习在搜索、推荐中的应用，来描述下平时我们是怎么干活的，看完之后，大家应该很容易理解为何我们要求有编码能力。

其实，我们的编码题真的很简单，不用刷题也能做出来，看看其他公司出的题，已经有点类似面试造原子弹，进来卖茶叶蛋的蜜汁感觉。当然，他们有资本，可以通过这种方式选到很聪明的候选人。

回到正题，我们从去年年底开始探索深度学习在搜索、推荐中的应用，包括 排序 和召回。以前我们常常用和工程同学合作，对系统的理解，比如推荐引擎、搜索引擎来表达编码能力的重要性，可能对于应届生来讲，有点模糊。这次的项目经历可能更好一些。

先总结下指导思想

这大半年，我们踩了很多坑，特别是痴迷论文中的各种 fancy 结构，寄希望于换换模型拿到收益。最终都纷纷被打脸，反而是回归到开始，从使用更多的样本数据，改善样本清洗、构造的逻辑，谨慎选择经典的模型结构，对优化算法保持敬畏等等，拿到了不错的收益。先来几点务虚的鸡汤，大概有以下几点：

•  对比传统模型，深度学习更需要大量的数据去学习，样本数据的增加能明显的改善模型的结果。
•  在初期，请忘记 paper 里面各式各样的奇技淫巧。
•  一套有效的方案，其效果是多和少的问题，不是有和无的问题。
•  好好调参，比乱试各种论文 idea 有效。
•  深度学习真的可以自称调参炼丹师，所以比别人试的更快，是炼丹师的核心竞争力。
•  Embedding 太神奇，请把主要精力花在这里，深度模型对 id 的理解可以震惊到你。
•  关心你的模型的计算效率，最终还是要上线的，绕不过去的性能问题。

训练中的工程能力篇，就是各种踩坑各种填坑

样本规模的问题

一开始，我们把现有基线的特征数据喂到了深度模型中，试过 dnn、dfm、lstm 等等，发现效果比 lr 还差。当时为了快速尝试，将所有的数据 load 到了内存，限制了数据规模，而且有部分数据预处理的工作也是在 python 中处理，导致计算在 cpu 和 gpu 之间频繁切换，gpu 利用率抖动很厉害。基于 tf 提供的性能工具，做了点分析后，判断是特征预处理这部分移太耗时了。另外，模型的参数很大，但是样本数不够，急需增加样本量。我们用 spark 将样本数据构造成 tfrecord 的格式，整个构建过程对比原来基于 hive sql，再从 hdfs 拉到本地，快了近 10 倍，而且能用的样本数据量大了很多，发现模型效果好了很多。

embedding id 量级过大的问题

深度学习是在图像、语音等场景起家，经常在 nlp 的论文中，将几十万的 word 做 embedding 称为大规模。工业界做 user 和 item embedding 的同学应该笑了。userid 和 itemid 非常容易过百万、千万的量级，导致生成 embedding lookup oom。可以参考我上篇文章：https://zhuanlan.zhihu.com/p/39774203。

有些公司会选择对 id 进行 hash，再做 embedding，比如 tf 的官网就建议这样： https://www.tensorflow.org/guide/feature_columns#hashed_column 。也有些会选择 simhash 来替换直接 hash。我们目前能做百万级别的原始 id，后续如果需要加大量级，更倾向于只对样本特别稀疏的 id 做 hash 或根据 id 的 metadata 做重编码来做。

Wide 模型带来的稀疏模型训练问题

大部分的 wide & deep 代码实现，其实用的 tensor 都是 dense 的。tf 基于 PS 做的模型训练，当你的特征规模在亿级别时，网络通信是个灾难，加上 grpc 的垃圾性能，网卡利用率上不去，训练的时间大部分都耗在通信上了。

但如果花点心思看看 tf 的源码，解决方法其实很简单，采用一些 sparse 的 op 就行。比如用 sparse_gather，就能解决网络传输的问题。但这个不是彻底的解决方案，tf 在计算的时候又会把 sparse 的 tensor 转成 dense 做。继续看看源码，会发现 tf 自身实现的 embedding_lookup_sparse。换个角度来理解，天然就能支持 sparse 的 wide 模型训练。把 sparse 的 wide 模型理解成 embedding size 为 1 的情况，上层接个 pooling 做 sum，就是我们要的 wide 的 output 结果，方案很优雅。

分布式下训练速度不能随着 batch size 增加变快

这个问题，单纯看性能分析还不好发现。还是去看下 TF 的代码实现，其实是 TF 默认有个 dimension 压缩的优化带来的。TF 为了节省存储，会对一个 batch 内的相同的 feature 做 hash 压缩，这里会有个 distinct 的操作，在 batch size 大的时候，性能损耗很明显。改下参数，就可以取消该操作，不好的地方是浪费点内存。

还有两个核心问题：TF 不支持 sparse 模型和分布式下 work 的 checkpoint 问题，这里不展开了。

线上性能篇

真实线上场景与 batch size 的训练的差异

真实排序的时候，一个用户过来，需要精排的候选集可能有几千。而我们在训练的时候，基于 batchsize 方式组织的 predict 代码。会将用户侧的 feature 复制几千次，变成一个矩阵输入到模型中。如果给 tf 自己做，这里就会有几千次的 embedding lookup，非常的耗时。如果我们选择在请求的一开始，就把用户侧的 lookup 做掉，然后去做点内存复制，就能大大减少 rt。

另外一个耗时大头是 attention，这个解决方案也很多，比如用查表近似就可以。还有一些是模型实现的细节不好导致性能很差，比如 DCN 的 cross 实现，一个简单的交换律能带来巨大的性能提升，参考： https://zhuanlan.zhihu.com/p/ 43364598

扯淡开始

上面很多工作，都是算法工程师和工程同学一起深入到代码细节中去扣出来的，特别是算法工程师要给出可能的问题点。做性能 profile，工程的同学比我们在行，但是模型中可能的性能问题，我们比他们了解的多。当然也有很多同学 diss，上面这些都是工程没有做好啊，工程好了不需要关心。但是，真正的突破必然是打破现有的体系，需要你冲锋陷阵的时候自己不能上，别人凭什么听你的，跟你干。大概率就是在后面维护点边缘业务了。

难道机器学习理论不重要吗

当然不是，这篇已经写得太长了，只讲两个点。

信念的来源：这个其实是很重要的，一个项目，搞个一年半载的，中间没有什么明确的产出，老板要 kpi，旁边的同事刷刷的出效果，靠什么支持你去坚持继续填坑，只有对理论认知的信念。假设总是很美好，现实数据很残酷，左脸打完打右脸，啪啪啪的响。怎么一步步的接近真实，解决问题，靠的还是对理论的理解，特别是结合业务的理论理解。

工程和理论的关系就有点像，理论起到是指路者的作用，而工程是你前进道路上披荆斩棘的利刃。没有理论就没有方向，没有编码能力，就只能当个吃瓜群众，二者缺一不可。

最后，总结下：算法工程师首先是个工程师。

PS：Don’t panic！Make your hands dirty！编码没有那么难。

算法工程师首先要是个工程师，不知道看过作者的这篇文章，读者有没有对这句话有更深刻的理解？希望你没有被绕晕，因为接下来，作者又要谈到他的下一个观点了。

下篇：算法工程师又不只是工程师

继上篇文章着重描述了工程能力的重要性，对于理论部分提的很少，但不代表它不重要。

谈的是提升理论素养

理论深似海，那是人类顶级的头脑的战场。

大多数算法工程师，当讲和理论相关时，大多是看了点论文、读点经典教科书，能水下 paper 已经是很高端了。不能称这些是做理论，对那些真正从事理论工作的同学太不尊重了，称为提升理论素养更合适。

理论素养不直接等价于业绩产出

很少人会觉得理论素养不重要，但提升理论素养的投入和产出之间不是线性关系。导致在工业界，经常争论对理论素养需求程度。比如知乎上的这个问题：有没有必要把机器学习算法自己实现一遍？（地址： https://www.zhihu.com/question/ 36768514）有 5k+ 的关注，100 多个回答，可见热度。

双方观点其实都挺有道理，但大家特别容易 手里拿个锤子，看什么都是钉子。

现实中不存在一头扎在理论学习或者工程实现，就万事大吉。在二者中来来回回穿梭，试探边界在何处才是常态。

就像生活的常态是 chaos，就像熵一样一直增长，是自然规律。维持有序的状态需要付出了额外的成本。就像 IBM 大型电脑之父佛瑞德·布魯克斯说的：

No Silver Bullet

我们的 CEO 也说过，他是一个现实的理想主义，美好的理想就像有序的状态一样需要消耗巨大的资源，而我们的资源永远是有限的，要学着带着镣铐跳舞。

争论的背后：ROI

我们所有人，都太追求效率了，俗话说：

一分钱一分货，十分钱两分货

边际效用无处不在，当投入过了一个坎，ROI 就会剧烈下滑，线性增长的 ROI 就像泡沫一样美丽。

工业界的同学，ROI 的思维已经是生存的本能，但面对理论时，有时成也 ROI，败也 ROI，正如李沐在一篇帖子中说：

在工业界呆过再去读 phd 可以少走很多弯路，也会发现很多学术界的 idea 就是个笑话。但同样的问题是，习惯了很 solid 的工作，反而有时候思路打不开，不敢尝试思路新奇的点子。我 phd 期间比较后悔的是好几个地方隐约有点想法，但太专注一些跟工业界经历很像的想法，结果后面看到别人在这些地方做出了世界级的工作。

我们和大神的距离太遥远，也很少能接触世界级的工作。更恰当的例子是公司的短期 KPI 和长期 KPI 的矛盾。短期的 KPI 虽然回报高，但就像下游低端产业，由于门槛低，很容易会变成红海，要发展就需要升级产业，向上游、高端的方向去，获得更大的利益分配权。

再退一步讲，浪费一些时间、精力在不能明显看到 ROI 的事情，其实也没什么，反正它也会被浪费在别的地方。意大利物理学家卡洛•罗韦利在《七堂极简物理课》中提到：

少年时代的爱因斯坦曾度过一年无所事事的时光。很可惜，现在很多青少年的父母经常会忘记这样一个道理：一个没有"浪费"过时间的人终将一事无成。

务实一点，提高理论素养的好处还是很多的

除了以前常说的理论是指路明灯外，还有很多其他好处。

有助于系统化知识点

工作期间，见过不少干的好但是说不清楚的，在晋升上吃亏。有些同学性格内向，不善表达。改善表达可能比较难，但可以扬长避短，从写东西入手，写东西的前提是心里有货。好的理论素养，能高屋建瓴将工作经验、知识点系统化，更利于他人理解。

比如这篇《从 FM 推演各深度 CTR 预估模型》：

https://yq.aliyun.com/articles/614262?spm=a2c4e.11163080.searchblog.119.48912ec1Avric7

这篇文章清晰的指出：在 wide&deep 的基本框架下，上述论文都是在尝试不同的策略去把输入向量用一个 Embedding 层接入到 Dense 网络中。里面的每一篇论文我都看过，扪心自问，能不能写出类似的文章，遗憾的是不行。

解放思想，见识是阻碍我们发展的最大障碍

我司的图像做了有一段时间，一直是单机跑模型，有时候一跑要一两周，不少公司和我们类似。一直也没有觉得有什么问题，很少去想是不是要搞分布式 GPU 计算平台。以前的业务，上分布式大部分是因为数据规模很大。工程组也很犹豫要不要做，我们自己心里也没有个定论，拖了一两年。直到看了这篇文章：

https://arxiv.org/pdf/1706.02677.pdf

这才开拓了视野，马上就下了决心动手干。

他山之石可以攻玉

Scott Berkun 在《Myths of innovation》提出：一个新的 idea 背后，能找到多个已经存在的 idea。

最近把 Jared Diamond 的书重看了一遍，从《第三种黑猩猩》到《枪炮、病菌与钢铁》到《大崩坏 -- 人类社会的明天》，作者兼具演化生物学、生理学、生物地理学等学科，取众家之长，融会贯通，形成独特的观点，写成如此优秀的作品。

深度学习在图像和 NLP 领域大放异彩，涌现出很多建设性的工作，又有多少能应用在工作中呢？

取上者得中，这一场 idea 的盛宴，不容错过。

满足好奇心

深度学习的理论发展远跟不上应用的发展，但一个个漂亮的结果背后，总是忍不住好奇它背后是为什么。

比如图像中的 milestone 模型 resnet，没有细看论文，一直认为是解决了 gradient vanishing/exploding 问题，而作者在原论文中：

https://arxiv.org/pdf/1512.03385.pdf

明确指出这个问题已经被 BN 和良好的 initialization 解决，resnet 解决了网络层数增加后 degradation 的问题，具体是什么问题，作者并没有深入。

后续这篇论文：

https://arxiv.org/pdf/1702.08591v2.pdf

更详细的描述了这个问题，并指出可以用 LL，不需要 residual 的结构，也能训练 deep 模型。

更上一层楼

现实世界中，很多问题需要都不需要太懂理论就能解决的不错。

这个背后的力量是抽象带来的，抽象做的好了，能让你不用懂其原理，也能发挥它的功效。就像我们每天用的手机，里面有量子力学的原理在发挥作用，但没有几个人懂量子力学。

随着各种 工具 越做越好，越来越多的细节被屏蔽，这个情况会越来越普遍，但随之带来是更多的应用可能性。就像今天的 码农 大多不懂编译器，也不会汇编，但 IT 业却前所未有的繁荣。

这几年在公司，还是做出了点业绩，但水平如何，如人饮水冷暖自知。比如 58 同城上麻利电工不一定懂电路原理，懂了电路原理也不能增加每小时的薪水，和我们何其相像。居安思危，认清自身所处的产业环节，尽力向上游发展，而理论素养是其中一把钥匙。

提升理论素养，悟性低就多动手

深度学习大多数论文偏应用，对理论背景和数学知识要求不高，但就如此，理解他们也不是一帆风顺，可见纯理论工作之难。

最近被 BERT 刷爆朋友圈，发现对 transformer 的理解还不够。重新回去看下这篇文章：

https://arxiv.org/pdf/1706.03762.pdf

用 pytorch 动手实现了一把，发现了几个以前没有注意的问题：

论文里自称可以并行，但 decoder 部分怎么并行呢，下一步的 output 总要依赖上一步吧？然而作者是直接把 ground-truth 放入。self-attention 的理解是错的 KQV 让代码都简洁了。果然资质平庸，还是需要动一遍手才能理解更多，叹悟性之差。过程中，花了不少时间在处理 Tensor 的 shape 变换上了，算是一种浪费吧。

再一次，没有银弹

并不是把每个算法都自己实现一遍，就能做出更好的成绩的，也不存在把公式推一边，能找到解决问题的灵丹妙药。

大多数我们并不是没有时间，反而是觉得自己在浪费时间，而不肯投入。然而浪费是常态，据说碳基生物的能量利用率不到 20%。再比如，公司里失败的项目远大于成功的。最难的部分是不知道怎么准确定义问题。一百分的努力中，若有一二十分最终有收益，算很了不起了，没有银弹，只能先把量堆起来，量变引起质变。

道理易懂，行动不易

PRML 还停留在第 5 章，ESL 买了后在书架上积灰，电脑下面还垫着 MLAPP（颈椎是好了一点）。看论文的速度慢，数量也不多。但其间看了好多杂书，其中还有几本网文，比如大圣传，美其名曰帮弟弟考察行情。

头顶的发际线在告诉我，韶关易逝。现在我常想，20 岁的我在干嘛，估计以后还是会常想 30 岁的我在干嘛呢。

如果觉得自己明天起来就能变成意志力超人，那这 30 年算是白活了。虽然很多事情不及预期，但也收获了不少，就是这样，不完美、挣扎、痛苦，构成了生命的组成。只希望未来的时光，能牢记初心，切勿自甘堕落。

送一句话给自己：切勿做井底之蛙，坐井观天，固步自封。