深度学习之路

本文主要是介绍深度学习之路，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

从这里开始吧

早在高中，在英语、语文的阅读理解中，一次次的看到AI的神奇。从围棋人机大战中的阿尔法狗，到波士顿动力。尽管那是一种雾里看花的感觉，却也有种莫名的感觉。
到了大学，选择了计算机这条路。更加对AI有兴趣，迫切想了解这方面的知识。奈何，就读的学校并非优秀，网上众说纷纭，自己摸索一阵子后，辛苦无果。偶而请教网上的大牛，讲解一二，总是不太透彻。也没法叨扰太多。便下定决心，请个老师。
后来遇到了一个挺厉害的老哥，给了一些建议，就决定跟着他学,也就算是找了个能花钱解决问题的老师。老师告诉我AI是一个很大的概念。目前最火的是深度学习，他也建议我学这个。

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)

视频教程

老师帮忙指定了学习计划，同时提供解答。(这里不是广告)
我把老师给我定制的个人计划放在这里拱大家参考。

1. 吴恩达 深度学习&机器学习视频
   这个特别有名气，不少小伙伴们都知道的。吴恩达是圈内有名的大佬，b站上有大把的视频，包括习题。能很快的入门，同时大致了解什么是深度学习。他的课程并没有太多晦涩难懂的内容，所以对小白非常友善。
   

2. 李宏毅
   台大教授 宝可梦大师 讲课风趣幽默 同样b站大量教程 教程配有实战项目，上手快 但是，他的课程都是将给研究生听到，有不少内容都比较深奥(也可能是我太菜的)，我作为本科生还是觉得很有挑战的，尽管老师非常优秀，但有些知识，你懂的。它不会那么好理解。
   

最好看他最新的课程 部分项目可能因为时间关系、政策关系，一些必要的环境支持 无法实现 ，遇到的时候，就看看思路 果断放弃吧！！！ 我已经试过了，不死心的结果是一个又一个日夜！！！ 一个又一个改不完的bug！！！！

当然你要是大佬或者有大佬当朋友 当我没说

3. 斯坦福CS231N
   李飞飞的课 非常有名 可惜不是她亲自讲 主要是一个学姐和学长讲课 不过水平也很高，但同样有挑战性，小白就算了 或者挑着看也不错。

纸质书

goodfellow的那本《深度学习》花书 这本很厚 我都是当字典用的 哪部分 不懂就查一查
还有国内周志华教授所著《机器学习》,西瓜书 挺好的
这一类网上还有很多相关的书 但技术更新快 在网上看看pdf就行了

编程

本人是软工专业 有一定的基础 所以觉得学起来还算轻松 编程语言主要是python，这个很简单，网上有大把教程，想快点的话甚至不需要学的太深，个人觉得学到面向对象就差不多了
然后就转到 框架学习就行了 主要学 谷歌的 Tensorflow 与 Facebook 的 PyTorch 个人感觉学一个就行了 然后看一些项目 主要是读代码
像读书一样 看看大神是怎么做的
github 上一抓一大把 直接搜就好了

老师说
高质量的代码尤其是对于入门来说适合反复review，方式就是先把环境配好，用一点数据去一行行debug，学习数据预处理，网络结构，和训练这3个模块。Debug3-5遍心里就有数了，

硬件

英伟达 英伟达 英伟达
作为新人 一定要有一张英伟达的显卡 就是N卡
电脑配置无所谓 能写代码就好 主要是显卡 跑代码全靠它了
显卡的好坏 确定着你 跑算法的快慢
简单来说 一个算法别人好显卡，可能训练几个小时 而你可能要个把个月
这个过程是很捉急的 如果中间失败了 就又是个把月了 所以有人把这称为炼丹

有钱的可以租算力
没钱的可以去谷歌网盘白嫖 但白嫖嘛 你爽不爽 被你嫖的人说的算

数学

这个最头疼 又最无法避免 曾经我向老师建议能不能从数学的角度去理解深度学习，然后一劳永逸的解决所有数学问题，被老师狠狠的鄙视了一番
要想全通一遍 那要好久好久的
主要基础的 就是大学里学的 高等数学 线性代数 概率论中的部分内容
其它的遇到不会的去查吧 没啥好方法 现学现用吧

遇到问题

问大佬吧 大佬不理你的话，正常，大佬忙嘛
多看看知乎 CSDN这里 github上也有不少牛人
实在不行 就像我一样花钱找个老师吧 觉得培训班不可靠的 可以找个博士，或者有经验的老师带着 路会好走一点

写在最后

本人也是从小白一步步走的 现在依旧在努力的路上 每天都有好多的难题 好在不像以前那么没有头绪了
希望这些能帮到你 毕竟我当时两眼四顾,心茫然 的感觉真的很难

ps:如果觉得掌握的差不多 就可以尝试着看论文 复现代码了

这篇关于深度学习之路的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！