在当前有大量网络资源（尤其是官网提供的教程与参考资料）与人工智能辅助的情况下，我们应该完全抛弃传统的那种只围绕一本书进行学习的方式。我觉得（同时也正在实践与体会的）更为合理的方式是：

  • 选择一本书 集中、快速地 阅读，提取并记录要点。仅将其作为 线索与引子 ，尝试形成对基本思想与工作机制的基本理解。
  • 迅速 进入与人工智能交互、探讨的模式，对上述不成熟、未定型的基本思想与工作机制予以澄清。
  • 立即 动手写代码，尤其是能够与笔记内容相结合并交互执行的代码。例如，用于编写 Python 代码的 Juypter notebook ，适用于 Julia 语言的 Pluto notebook ，以及支持更多语言的 Emacs Org mode 。通过动手实践，应印于心，就可以验证或修正我们已经获得的认识。
  • 对于比较复杂的技术，例如 CUDA 编程、 TBB 并行程序开发，经过上述过程我们尚不足以形成深刻的理解，所以仍需进一步系统、深入地学习教程与手册。
  • 针对需要用到的功能模块，展开具体深入的学习与练习。
  • 对于我们没有相关经验且较为复杂的技术，在将其运用到我们的项目前，先编写小的测试与演示程序，待将相关技术掌握得熟练无误后，再实际应用。