摘要：通過(guò)書(shū)籍學(xué)習(xí)，比如除了上述的先學(xué)知識(shí)，你還應(yīng)該了解一些流行的深度學(xué)習(xí)庫(kù)和運(yùn)行他們的語(yǔ)言。你也可以查看查看的中的第講，概要性的了解一些深度學(xué)習(xí)庫(kù)。

作者：chen_h
微信號(hào) & QQ：862251340
微信公眾號(hào)：coderpai
簡(jiǎn)書(shū)地址：https://www.jianshu.com/p/cd0...

原文：https://www.analyticsvidhya.c...

深度學(xué)習(xí)目前已經(jīng)成為了人工智能領(lǐng)域的突出話(huà)題。它在“計(jì)算機(jī)視覺(jué)”和游戲（AlphaGo）等領(lǐng)域的突出表現(xiàn)而聞名，甚至超越了人類(lèi)的能力。近幾年對(duì)深度學(xué)習(xí)的關(guān)注度也在不斷上升，這里有一個(gè)調(diào)查結(jié)果可以參考。

這里有一個(gè) Google 的搜索趨勢(shì)圖：

如果你對(duì)這個(gè)話(huà)題感興趣，這里有一個(gè)很好的非技術(shù)性的介紹。如果你有興趣了解最近的趨勢(shì)，那么這里有一個(gè)很好的匯總。

在這篇文章中，我們的目標(biāo)是為所有深度學(xué)習(xí)的人提供一條學(xué)習(xí)之路，同時(shí)也是為想要進(jìn)一步學(xué)習(xí)的人提供一條探索的路徑。如果你準(zhǔn)備好了，那么讓我們開(kāi)始吧！

建議在學(xué)習(xí)深度學(xué)習(xí)之前，你應(yīng)該先了解一些機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。這篇文章列出了完整的學(xué)習(xí)機(jī)器學(xué)習(xí)的資源。

如果你想要一個(gè)簡(jiǎn)單的學(xué)習(xí)版本。那么可以看下面的列表：

數(shù)學(xué)基礎(chǔ)（特別是微積分，概率和線(xiàn)性代數(shù)）

Python 基礎(chǔ)

統(tǒng)計(jì)學(xué)基礎(chǔ)

機(jī)器學(xué)習(xí)基礎(chǔ)

建議時(shí)間：2-6個(gè)月

## 步驟1：機(jī)器配置

在進(jìn)行下一步學(xué)習(xí)之前，你應(yīng)該確保你有一個(gè)支持你學(xué)習(xí)的硬件環(huán)境。一般建議你至少擁有以下硬件：

一個(gè)足夠好的 GPU（4+ GB），最好是 Nvidia

一個(gè)還可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不適合）

4 GB RAM（這個(gè)取決于數(shù)據(jù)集大?。?/p>

如果你還不確定，那么請(qǐng)閱讀這個(gè)硬件指南。

備注：如果你是一個(gè)硬件玩家，那么你可能已經(jīng)擁有了所需的硬件。

如果你沒(méi)有所需的規(guī)格，那么你可以租一個(gè)云平臺(tái)來(lái)學(xué)習(xí)，比如 Amazon Web Service（AWS）。這是使用 AWS 進(jìn)行深度學(xué)習(xí)的良好指南。

備注：在這個(gè)階段不要安裝任何深度學(xué)習(xí)的庫(kù)，安裝過(guò)程我們會(huì)在步驟 3 中介紹。

## 步驟2：初試深度學(xué)習(xí)

現(xiàn)在，你已經(jīng)對(duì)這個(gè)領(lǐng)域有了一個(gè)初步的認(rèn)識(shí)，那么你應(yīng)該進(jìn)一步深入了解深度學(xué)習(xí)。

根據(jù)自己的偏好，我們可以選擇以下幾個(gè)途徑：

通過(guò)博客學(xué)習(xí)，比如 Fundamentals of Deep Learning ，Hacker"s guide to Neural Networks。

通過(guò)視頻學(xué)習(xí)，比如 Deep Learning Simplified。

通過(guò)書(shū)籍學(xué)習(xí)，比如 Neural networks and Deep Learning

除了上述的先學(xué)知識(shí)，你還應(yīng)該了解一些流行的深度學(xué)習(xí)庫(kù)和運(yùn)行他們的語(yǔ)言。以下是一個(gè)不太完整的列表（你可以通過(guò)查看 wiki 獲得更加完整的列表）：

Caffe

DeepLearning4j

Tensorflow

Theano

Torch

其他一些著名的庫(kù)：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關(guān)于深度學(xué)習(xí)語(yǔ)言，可以查看這個(gè)文章。

你也可以查看查看 Stanford 的 CS231n 中的第 12 講，概要性的了解一些深度學(xué)習(xí)庫(kù)。

建議時(shí)間：1-3周

## 步驟3：選擇你自己的領(lǐng)域

這是最有趣的部分，深度學(xué)習(xí)已經(jīng)應(yīng)用在各個(gè)領(lǐng)域中，并且取得了最先進(jìn)的研究成果。如果你想更深入的了解，那么作為一個(gè)讀者，你最適合的路徑就是動(dòng)手實(shí)踐。這樣才能對(duì)你現(xiàn)在了解的內(nèi)容有一個(gè)更加深入的認(rèn)識(shí)。

注意：在以下的每個(gè)領(lǐng)域中，都會(huì)包括一個(gè)博客，一個(gè)實(shí)戰(zhàn)項(xiàng)目，一個(gè)需要的深度學(xué)習(xí)庫(kù)以及一個(gè)輔助課程。第一步你應(yīng)該學(xué)習(xí)一下博客，然后去安裝對(duì)應(yīng)的深度學(xué)習(xí)庫(kù)，然后再去做實(shí)戰(zhàn)項(xiàng)目。如果在這個(gè)過(guò)程中，你遇到什么問(wèn)題，那么可以去學(xué)習(xí)輔助課程。

深度學(xué)習(xí)在機(jī)器視覺(jué)中的應(yīng)用

參考博客：DL for Computer Vision

實(shí)戰(zhàn)項(xiàng)目：Facial Keypoint Detection

深度學(xué)習(xí)庫(kù)：Nolearn

推薦課程：CS231n: Convolutional Neural Networks for Visual Recognition

深度學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用

參考博客：Deep Learning, NLP, and Representations

實(shí)戰(zhàn)項(xiàng)目：Deep Learning for Chatbots, Part 1, Part2。

深度學(xué)習(xí)庫(kù)：Tensorflow

推薦課程：CS224d: Deep Learning for Natural Language Processing

深度學(xué)習(xí)在語(yǔ)音中的應(yīng)用

參考博客：Deep Speech: Lessons from Deep Learning

實(shí)戰(zhàn)項(xiàng)目：Music Generation using Magenta (Tensorflow)

深度學(xué)習(xí)庫(kù)：Magenta

推薦課程：Deep Learning (Spring 2016), CILVR Lab@NYU

深度學(xué)習(xí)在強(qiáng)化學(xué)習(xí)中的應(yīng)用

參考博客和實(shí)戰(zhàn)項(xiàng)目：Deep Reinforcement Learning: Pong from Pixels

深度學(xué)習(xí)庫(kù)：沒(méi)有需要的深度學(xué)習(xí)庫(kù)，但是你需要 openAI gym 來(lái)測(cè)試你的模型。

推薦課程：CS294: Deep Reinforcement Learning

建議時(shí)間：1-2個(gè)月

## 步驟4：深挖深度學(xué)習(xí)

現(xiàn)在你應(yīng)該已經(jīng)已經(jīng)學(xué)會(huì)了基礎(chǔ)的深度學(xué)習(xí)算法！但是前面的路程會(huì)更加艱苦?，F(xiàn)在，你可以盡可能高效的利用這一新獲得的技能。這里有一些技巧，你應(yīng)該做的，可以磨煉你的技能。

重復(fù)上述步驟，選擇不同的領(lǐng)域進(jìn)行嘗試。

深度學(xué)習(xí)在別的領(lǐng)域的應(yīng)用。比如：DL for trading，DL for optimizing energy efficiency。

利用你學(xué)到的心技能去做點(diǎn)別的事，比如參考這個(gè)網(wǎng)站。

參加一些比賽，比如：kaggle。

加入一些深度學(xué)習(xí)社區(qū)，比如：Google Group，DL Subreddit。

跟隨一些研究人員，比如：RE.WORK DL Summit。

建議時(shí)間：無(wú)限

-------------------

## 一些比較好的資源：

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

作者：chen_h
微信號(hào) & QQ：862251340
簡(jiǎn)書(shū)地址：https://www.jianshu.com/p/cd0...

CoderPai 是一個(gè)專(zhuān)注于算法實(shí)戰(zhàn)的平臺(tái)，從基礎(chǔ)的算法到人工智能算法都有設(shè)計(jì)。如果你對(duì)算法實(shí)戰(zhàn)感興趣，請(qǐng)快快關(guān)注我們吧。加入AI實(shí)戰(zhàn)微信群，AI實(shí)戰(zhàn)QQ群，ACM算法微信群，ACM算法QQ群。長(zhǎng)按或者掃描如下二維碼，關(guān)注 “CoderPai” 微信號(hào)（coderpai）