计算机
我看了不少文章，怎么就找不到深度学习部署加上音视频开发相关的内容？今年我换工作的时候，那可一点都不用担心拿不到offer，而且工资还翻了倍。我现在正在做
计算机视觉（cv）方面各种加速卡算法推理的适配工作，还有编解码的适配，之后可能还要进行大模型的适配。说真的，我当初
面试的时候完全不发愁找工作，每次
面试都能拿到一个offer。学习
C++的时候，一定要找到自己擅长的领域，总不能一直去挤网络（web）开发那个赛道吧。--2024.11.27更新--下面整体来讲一下学习路线：首先，要通过
Python进行深度学习的训练和调参，以此来入门。大部分人都处于这一阶段。接着，要持续学习
C++相关的部署方法，像是tensorrt、openvino、比特大陆、寒武纪、atlas等软硬件算法部署相关的知识。要是能够掌握
C++部署加上
Python训练，在市场上就已经比很多人厉害了。一般在处理量增大之后，例如一个gpu要处理20路相机，基本要达到硬件80%的性能才算合格。就像Jetson要能支持1080p 10路以上的处理，gpu要支持20路以上的处理。到了这个时候，就会涉及音视频编解码的加速，减少内存拷贝，从算法岗位延伸到流媒体岗位，但这并不是转岗。基本上按照这样的路线走下来，就能把整个cv上下游的内容都掌握，包括训练、量化、部署、加速、性能优化等。这时候在流媒体方面会涉及到很多和相机对接的部分，例如通过SDK、RTSP、GA、GB等方式对接。并且要解决各种各样的问题，像相机GB实现不标准、RTSP传输存在问题，还有一系列网络、交互、流媒体相关的问题。比如在docker、K8s中网络管理方面的一系列问题。这个阶段就应该具备架构师的能力了，能够处理各种相机对接和算法方面的问题，并且根据
公司的业务，设计出合理的算法中台，而且要支持多种输入输出，比如输入可以是RTSP、GB28181、WebRTC、mp4，输出可以是RTSP、WebRTC、S3、Mp4等。在Jetson平台调用media api + tensorrt，在X86平台调用codec api + tensorrt，其他平台也类似。基本上到这个时候，整个cv的上下游内容都精通了（这里指的是落地部署或者说项目工程化落地流程方面的精通，并不是cv理论研究方面的精通），之后就可以考虑其他方向了。我暂时的计划是朝着大模型部署的方向发展。不过这也只是我个人的眼光，我不能保证这个眼光就一定正确。
