关于如何学习深度学习

本人小白…接触深度学习有一段时间了，所以有一定的想法，可能有不对之处，各位读者提出批评指正。

本文作为概括性文章，里面一些名词不会仔细解释，读者可自行考究。

一定的代码能力

Python及部分库

深度学习的计算是靠人力很难完成的，所以需要计算机的协助，这就需要具有一定的代码能力。这边建议使用python语言。

python作为一种较好的“胶水语言”，其可以较好的与多种语言联合使用。其较多的底层库是由c++所编写，所以在部分运行效率上与c++相同。

学会使用（学会查阅）numpy、pandas、matplotlib等数据处理的库；同时，对tensorflow或pytorch这一类库也要会用（查阅资料）。

辅助工具

环境管理工具：anaconda

编辑器：pycharm、VScode、notebook

了解一定的机器学习知识

这里面包括一部分数学知识：

• 微积分
• 梯度下降算法
• 概率论

机器学习的相关知识：

• 基本的术语：数据集(data set)、示例(instance)/样本(sample)、特征(feature)/属性(attribute)、特征向量(feature vector)、学习(learning)/训练(training)、学习器(learner)/模型(model)、标记(label)等；
• 机器学习解决的基本问题：分类(Classification)、回归(Regression)、聚类问题(Clustering)；这三个是研究的经典问题，随着不断发展出现了更多问题划分。
• 模型的评估标准：
• 解决基本问题的方法：

神经网络

• 学习神经网络的内部逻辑和算法

• 能够运用部分库手敲简单的神经网络模型，并进行训练

紧跟时事

最新的模型和影响较大的论文进行实时阅读，分析其效率高的原因。思考的是否可以扩展其使用范围。

赏

谢谢你请我吃糖果

支付宝

微信