Python入门深度学习完整指南
介绍
深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉”和游戏（AlphaGo）等领域的突出表现而闻名，甚至超越了人类的能力。近几年对深度学习的关注度也在不断上升，这里有一个调查结果可以参考。
这里有一个 Google 的搜索趋势图：
如果你对这个话题感兴趣，这里有一个很好的非技术性的介绍。如果你有兴趣了解最近的趋势，那么这里有一个很好的汇总。
在这篇文章中，我们的目标是为所有深度学习的人提供一条学习之路，同时也是为想要进一步学习的人提供一条探索的路径。如果你准备好了，那么让我们开始吧！
步骤0：先决条件
建议在学习深度学习之前，你应该先了解一些机器学习的基础知识。这篇文章列出了完整的学习机器学习的资源。
如果你想要一个简单的学习版本。那么可以看下面的列表：
数学基础（特别是微积分，概率和线性代数）
Python 基础
统计学基础
机器学习基础
建议时间：2-6个月
步骤1：机器配置
在进行下一步学习之前，你应该确保你有一个支持你学习的硬件环境。一般建议你至少拥有以下硬件：
一个足够好的 GPU（4+ GB），最好是 Nvidia
一个还可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不适合）
4 GB RAM（这个取决于数据集大小）
如果你还不确定，那么请阅读这个硬件指南。
备注：如果你是一个硬件玩家，那么你可能已经拥有了所需的硬件。
如果你没有所需的规格，那么你可以租一个云平台来学习，比如 Amazon Web Service（AWS）。这是使用 AWS 进行深度学习的良好指南。
备注：在这个阶段不要安装任何深度学习的库，安装过程我们会在步骤 3 中介绍。
步骤2：初试深度学习
现在，你已经对这个领域有了一个初步的认识，那么你应该进一步深入了解深度学习。
根据自己的偏好，我们可以选择以下几个途径：
通过博客学习，比如 Fundamentals of Deep Learning ，Hacker’s guide to Neural Networks。
通过视频学习，比如 Deep Learning Simplified。
通过书籍学习，比如 Neural networks and Deep Learning
除了上述的先学知识，你还应该了解一些流行的深度学习库和运行他们的语言。以下是一个不太完整的列表（你可以通过查看 wiki 获得更加完整的列表）：
Caffe
DeepLearning4j
Theano
Torch
其他一些著名的库：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。关于深度学习语言，可以查看这个文章。
你也可以查看查看 Stanford 的 CS231n 中的第 12 讲，概要性的了解一些深度学习库。
建议时间：1-3周
步骤3：选择你自己的领域
这是最有趣的部分，深度学习已经应用在各个领域中，并且取得了最先进的研究成果。如果你想更深入的了解，那么作为一个读者，你最适合的路径就是动手实践。这样才能对你现在了解的内容有一个更加深入的认识。
注意：在以下的每个领域中，都会包括一个博客，一个实战项目，一个需要的深度学习库以及一个辅助课程。第一步你应该学习一下博客，然后去安装对应的深度学习库，然后再去做实战项目。如果在这个过程中，你遇到什么问题，那么可以去学习辅助课程。
深度学习在机器视觉中的应用
参考博客：DL for Computer Vision
实战项目：Facial Keypoint Detection
深度学习库：Nolearn
推荐课程：CS231n： Convolutional Neural Networks for Visual Recognition
深度学习在自然语言处理中的应用
参考博客：Deep Learning， NLP， and Representations
实战项目：Deep Learning for Chatbots， Part 1， Part2。
深度学习库：Tensorflow
推荐课程：CS224d： Deep Learning for Natural Language Processing
深度学习在语音中的应用
参考博客：Deep Speech： Lessons from Deep Learning
实战项目：Music Generation using Magenta （Tensorflow）
深度学习库：Magenta
推荐课程：Deep Learning （Spring 2016）， CILVR Lab@NYU
深度学习在强化学习中的应用
参考博客和实战项目：Deep Reinforcement Learning： Pong from Pixels
深度学习库：没有需要的深度学习库，但是你需要 openAI gym 来测试你的模型。
推荐课程：CS294： Deep Reinforcement Learning
建议时间：1-2个月
步骤4：深挖深度学习
现在你应该已经已经学会了基础的深度学习算法！但是前面的路程会更加艰苦。现在，你可以尽可能高效的利用这一新获得的技能。这里有一些技巧，你应该做的，可以磨炼你的技能。
重复上述步骤，选择不同的领域进行尝试。
深度学习在别的领域的应用。比如：DL for trading，DL for optimizing energy efficiency。
利用你学到的心技能去做点别的事，比如参考这个网站。
参加一些比赛，比如：kaggle。
加入一些深度学习社区，比如：Google Group，DL Subreddit。
跟随一些研究人员，比如：RE.WORK DL Summit。
建议时间：无限
一些比较好的资源：
Complete Deep Learning book
Stanford UFLDL Turorial
Deep Learning in Neural Networks： An Overview
Awesome Deep Learning github repository
Yann LeCun’s recommendations for Deep Learning self-study
-
python
+关注
关注
56文章
4792浏览量
84624
发布评论请先 登录
相关推荐
基于 Python 的深度学习库Keras入门知识
python基础教程之Python初学者入门学习指南资料免费下载
深度学习入门基于python的理论与实现PDF电子书免费下载
Python的Anaconda入门指南
深度学习入门基于Python的理论与实现的PDF电子书免费下载
工商网监
评论