個人覺得這個問題主要是評判標準的問題。研究生不同於本科生的地方主要在於要具備一定的自主研究的學術能力。所以不能再以研究生階段每一門課程的成績去看，個人認為還是要看是否能做出一篇令自己滿意的碩士論文。雖然國內學術氛圍不算濃厚，特別是碩士論文普遍含金量不高，但要給自己一個交代的話，可能一篇自己付出心血後能有一點新發現的論文是不錯的禮物。

客觀地說，畢業之前所學知識合格與否尚在其次！治學之事來不得半點虛偽，否則猶如肉中摻假，別人或許看不出什麼，但傷的卻是自個兒！個人的理解是，研究之路可謂漫漫，不可不修遠，今日名義之畢業，恰如新生之嬰兒，我們不必去在意嬰兒的長相與體重，而應去關注和陪伴他們茁壯成長，以期日後能有所為！

說起自己的研究生前兩年學習體驗，有一種最直接的感覺就是， 努力了這麼久，就為了入門，之前很怕自己是處於這個階段，因為入門相當於菜鳥，也相當於擁有沒有真正進入這個領域的恐慌，現在看來，踏實的入門基礎，拿深度學習來說，就是一種極好的預訓練，隨意的初始化，會帶來很多不想要的後果，比如網路擬合極差，我們在開始進入一個新的領域的時候，就像這樣，迫不及待想要進入新的天地，可是一次次的囫圇吞棗換來的就是從入門到放棄。

研一未進校園之前，就那個暑假，當時老師叫我們看統計學習方法，我那個暑假一直在看兩本書，統計學習方法，機率論與數理統計， 那個時候帶給我的感覺是，統計學習方法就像天書，我居然沒有一章內容看懂，嚴重的打擊了我的自信心，這也不難想到，因為統計學習方法裡面的數學除了應用數學，大部分是統計學，最最佳化，資訊理論， 還有圖論，隨機過程，想想這麼大塊知識的欠缺，讓我真的是不知所措，還有就是，那個時候的學習熱情，學習技巧，遠沒有今天濃厚， 成熟，所有一遇到不會的，直接就放棄了，學習最大的朋友是興趣， 最可怕的敵人是學不懂，因為學不懂人就會很牴觸，也會很害怕，久而久之，就成了洪水猛獸，我很容易被自己左右，幸好我雖然智力平庸，但是韌勁還是有，不會放棄那些可以做到的事情，於是我認為看不懂那本書的原因是缺乏很多先驗知識，於是開始了看書，看統計有關的，最佳化，資訊理論，事實上，研一和研二上學期的確是這樣計劃走過來的。

不幸的是，書並不是每一本都適合仔細閱讀，可能評價高的書並不適合你讀，要清楚自己需要什麼樣的書才行，事實上，從我計算有一定的前沿知識，然後入門深度學習的時候，已經犯了巨大的錯誤， 我把統計當成數學分析了，當成高等代數了，在我眼裡全是公式的推導，在別人眼裡可能是虛擬碼的生成，統計是一門實踐為主的學科，特別是機器學習領域，統計的直接應用，在以實踐為主的領域，瞭解演算法而不執行就相當於紙上談兵，空有理論，我們總會犯那樣的錯誤， 嚴格區分理論與實踐，殊不知馬克思理論早就說過，理論與實踐是矛盾前行的，機器學習裡演算法很多，幾乎沒有一種演算法不實現然後能記住的，這樣的話，來來回回學習效率低下，所以開始的時候，我是相當自卑的，和團隊裡的其他同學差距太大，我是努力想改變這種狀況， 奈何不得其法，於是差距越來越大，那個時候真的是經常懷疑人生。總結一下，入學前的暑假可以看作預處理，當然，要想真正想在科研上做出一些東西，興趣是關鍵，要不然就隨波逐流了，以我那個時候的經歷來看，茫然無知是大敵，沒有正確認識到這門學科的學習方法，對於即將入學的師弟師妹們，可能有好些像我初期這樣的，對機器學習一問三不知，這是件危險的事，我覺得現在讓他們學習那本統計學習方法不是個好的選擇，因為功力未夠，看不懂，正確入門深度學習一定是先實踐，不能學死的演算法，要讓它活起來，團隊合作也很重要，因為一個人很容易拖延，沒有目標似的，如果一個團隊的一 個假期都做一樣的事情，進度快，相互可以討論，監督，這樣效率很高，機器學習這塊一味的看書是大忌，會陷進去，不管是書有多好， 可能都是這種感覺，開始很有激情，學著學著，就會進入從入門到放棄，而且可能會出現我那樣的想法，缺乏那麼多的理論，自己看另外的書去補，這樣沒完沒了，越走越遠，一個演算法，實現了才能抓住它的靈魂，所以，暑假的話，讓師弟師妹們完成語言的學習，程式的編制，演算法的實現是最重要的，書，我一直認為，自己需要哪塊，就會去看，或者直接讀文章，看部落格，來得更快，像我那樣，從開頭看到尾，真的可能會從入門到放棄，事實上，我現在還沒有一本書看完了的。

研一上學期可以說是相當艱難的時候，那個時候的感覺可以用兩個字來概括，陌生，我本科就用過 matlab 編過程式，所以呢，對程式是很懼怕的，以至於本科畢業論文演算法寫完了，我都沒有程式設計實現， 那個時候排斥程式，現在想想可能是怕麻煩，第一次接觸到老師給我的自然梯度的時候，以為它深不可測，主要是我對最佳化相當不熟悉， 機器學習也不懂，文章裡全是看不懂的專業單詞，所以每次彙報的時候，一塌糊塗，因為我完全看不懂，統計裡的隨機概念也沒有，那個時候真的是期望都不會求，當時那篇自然梯度開山之作太難了，有趣的是，這兩年一直圍繞一篇文章，就是老師給的博士論文，marten 的博士論文，說實話，這文章的水平相當高，我相信裡面有很多部分專門搞最佳化的也不一定讀得懂，直到到了今天，讀那篇博士論文才漸漸有了冰層融化的感覺，我喜歡這樣的挑戰，到了絕境，沒有希望的時候，突然看到了Sunny，一定是世界上最奇妙的事情，還有就是，那個時候看不懂英文，讀文章全靠谷歌翻譯，實在是艱難，更加缺乏的一項技能，如老師您所說，不會搜文章，那個時候全靠您拿過來，這樣是被動科研，是沒有什麼效率的，應該鼓勵師弟師妹們自己搜文章， 而不是告訴他們讀那些，畢竟在我看來，開始的時候就應該讀那種能看懂的，能實現的，而不是高大上，對於我來說，研一上學期確實是停在了學習的平原，匍匐向前。

研一寒假學了下機器學習，可惜仍然是未得其法，不過終於帶來了對機器學習初始的感覺，主要是學習方式是囫圇吞棗，學到的知識很淺薄，基礎仍未建立起，到了研一下學期，仍然深陷在泥潭裡，由於對自然梯度演算法的畏懼，以及學習深陷平原，信心一再受到打擊， 到了後來，就想要逃避了，在本科的時候就聽老師說過，科研有風險 ， 深挖一塊寶地，未必能有成果，當時就想要進入另一個領域，所以選了獨立成分分析，正如導師您看到的，那個時候和您鬧起了脾氣，現在看來，幸好有導師您的淳淳教導，學生才沒有放棄，堅持了下來， 之前學了機器學習，機率論，我就想著接下來該學最優化了，於是接下來的重點就放在最佳化上了，可惜人總是容易被同一陷阱所騙，我再次開啟了以前的模式，拼命學理論，不管演算法實現，但是反反覆覆學了幾遍最最佳化，完全沒有現在看了一點部落格和讀了幾篇文章認識深， 不過也並非全是壞處，畢竟認識了最最佳化，正是由於學習了最最佳化， 對自然梯度演算法的興趣再次建立起來，感覺畏懼艱難是不適合做科研的，科研需要興趣引導，不是功利式的研究。

過去一年半都是按照我進入研究生的時候計劃學習的順序的，進入研二上學期的時候，全身心投入隨機過程的研究，我當時讀的是國外名著應用隨機過程，這本書我只讀到了馬爾科夫過程，實在是太難， 所以反覆讀了幾遍，這本書對我的意義非凡，它幫我建立起了統計的基礎，明白了什麼是隨機，如何計算機率，不過對於自然梯度的理解卻是完全是在研二下學期建立的，特別是學了各種密度函式，對統計終於有一個理念了，研二上學期以前都是處在平原期，進展緩慢，但是確實打下了一些基礎。

研二下學期我感覺是學習快速上升期，其實也是挺有意思的，按照我之前的計劃，先學了機率論，機器學習，最最佳化，隨機過程，接下來就到了資訊理論，開始的時候我是學了一些資訊理論的，認識到了如何用機率刻畫知識，這些都按計劃完成之後，就到了實踐的階段了， 我一直在想，要是研一的時候沒按這個程序，我是不是進步更快，所以下學期就開始程式設計序了，對自然梯度演算法認識的真正開始階段是簡化自然梯度和自適應自然梯度這兩篇文章，是我的啟蒙老師，因為這兩篇文章容易讀懂，並且有現成的程式碼，從這兩篇文章開始，終於認識到了自然梯度演算法，之後，我就開始換了學習思路，不再以書本為主，以文章加部落格為主，開始程式設計的時候，遇到的難度真不小，因為很久沒寫過程式了，對程式十分的疏忽，我的第一個神經網路完整的實現花了兩個月，主要是神經網路有很多細節，比如預處理，訓練演算法，開始訓練的時候，得益於一本 matlab 神經網路程式設計，從那裡我學到了第一個神經網路程式，我花了一週時間研究那個程式碼，當時要實現的分類是男生女生分類，現在看來，那本 matlab 神經網路程式設計寫得實在是簡陋之級，不過得益於它，開啟了我對深度學習的認識， 第一個自然梯度程式來源於簡化自然梯度博士論文的程式，得益於簡化自然梯度演算法和自適應自然梯度，我想到了簡化自適應自然梯度， 這兩篇文章對我的啟發實在是非同小可，自此，就認識了自然梯度演算法，算是真正入門了，由於自然梯度的奇妙，讓我對深度學習同時也產生了濃厚的興趣，之前的排斥變成濃厚的興趣，同時引發了對程式設計的興趣，真的是很奇怪，至此之後，讀文章也開始得心應手了，慢慢的終於踏入了科研的大門，說起來，自然梯度演算法可能是我命中的運氣，對它有很複雜的感受，是個奇妙的過程，雖然起點是難了點，但是我發現接下來研究其他的演算法居然輕鬆了許多，對於資訊幾何的興趣也是這學期開始的，不過我自己意識到如果沒有老師指導，我學不會的，但我自己想，對於這種純理論的研究，我是沒有那個天賦的， 數學是肯定需要一些天賦的，自我意識到自己足夠努力，求知，但是不足的是天賦平庸，希望自己能在科研樓上添磚添瓦。

總結一下過去兩年的學習體驗，遇到困難，堅持下來可能會柳暗花明，也可能深陷平原，我堅信不管最後是否有成果，堅持是科研的一種態度，如果做科研功利心太重，就會失去科研的初衷，而且科研是一門細活，容不得心急，正確的學習方法，正確寬容的心態，對待生活海闊天空，把科研當成生活，當成喜愛做的事，實在是人生一大樂事！