目前計算機視覺的主要演算法是深度學習，或者更確切的說，神經網路。

利用深度學習的相關演算法，可以很方便的完成影象分割，影象去噪，目標追蹤，目標識別等等工作。

目前，python是常用的一種語言，所以，你導師提出的建議是非常正確和重要的，讀研之路，道遠且漫長。

祝你早日發論文，順利畢業。

如果做視覺，學學pytorch我覺得還是可以理解的，因為現在比較主流的深度學習框架都是用pytorch做的，tensor蛋疼的版本匹配已經讓他眾叛親離。學pytorch，快速學習網路部署，有助於你進組以後快速輸出，跟上節奏。

但是，如果你是做圖形學，尤其做傳統方向，學個pytorch是不夠的。還是建議從OpenGL學起。圖形學對數學的基本功要求較較高，線性代數，微分幾何什麼的都要學起來。

最後，我想說你導師上來就讓你學pytorch，有點急於求成，基礎不學學工具，會讓人覺得比較浮躁。

作為工科的研究生，掌握工具是第一要務，萬事要有起點。pytorch是深度學習主流框架，導師說的沒有錯。計算機領域成果都是從解決具體問題中產生的。

這個很有必要，現在 影片和內容推薦 引擎，先會把影片內容分類打標籤，比如影片或圖片 內容裡 有 老虎，貓狗，美女，名車，飛機等。以及美女的大概年齡，然後 再根據 上網者 的 過往 瀏覽 記錄 進行 匹配 推薦。對影片 圖片內容的 分類 準確度，決定了 推薦質量，以及app 的 瀏覽量，使用者量。以及廣告收益。 對圖片分類，神經網路 現在 是 比較 成功 和 廣泛 使用的一種工具。pytorch 是一個 開源 的 神經網路庫，熟悉了 pytorch ，對理解 影片內容分類理解方面的 最新成果 ，開發 新演算法 都有重要意義。

機器學習方面，還有其它幾個開源庫，scikit learn, keras,以及 pytorch. 可以 參照著看，個人感覺 scikit 和 keras 比 pytorch 更好入門，更容易懂。pytorch 自己能控制的引數更多，更適合深度定製。

網上有 圖片分類競賽，總獎金40w 美元，比 阿里巴巴 數學競賽 獎金總額更多，有時間，可以參加一下，對 神經網路 等技術 在機器學習 方面的就會有更深的體會。

反正 神經網路，現在是一個 流行的 ai 研究方法，除了 應用於 影片 圖片 內容分類，還廣泛 應用於 nlp 自然語言處理，以及金融等各個領域。著名的 alphago 圍棋程式，也應用到了 神經網路。 熟悉了 pytorch 發一篇 相關論文，對以後 讀博，以及在 博士畢業後，無論到公司發展，還是 在學術界 發展，都是 證明能力的 重要方法.