在工程領域，有個著名的詞叫做「重新發明輪子」。

這個詞是說，本來既然輪子就已經足以應付多數需求，那麼耗費時間精力重新再發明一次輪子會耗費更多的時間精力，完全得不償失，在很多場合，重新發明輪子都不是一個理智的做法。在機器學習等領域尤其是如此，由於實際計算中可能遇到一些複雜的線性代數運算，而本身各種軟體包裡針對這些問題有很多專門的最佳化，通常我們自己發明的輪子還很可能不如原來已有的輪子。

那麼，在呼叫庫函式的情況下，演算法的原理需要掌握到什麼程度呢？我個人認為，對於任何的演算法，需要問這幾個問題：

這個演算法的基本思路是怎樣的？呼叫函式的時候需要用到哪些引數，這些引數分別代表什麼意思？

這個演算法適合用來解決哪些問題？

這個演算法在解決另外一些問題時，跟其他的演算法相比，有哪些缺點？針對這些缺點，這個演算法有哪些變形，這些變形分別是針對哪些特別的情況的改進？

這個演算法的複雜度大概是多少？是否適合並行或者GPU加速？這個演算法當資料量增大時，計算的複雜度是怎樣增長的？

如果現在不允許你使用當前的演算法，可以用哪些其它的方法作為替代？

如果大致能回答這些問題，就可以說，對於演算法的原理已經掌握得比較好了。