研究生话题：要基于Pytorch做深度学习，如何快速提升代码能力？ --人工智能/深度学习

简单分成几步

1、基础：Python 、 Numpy、 Pandas 、 PyTorch

2、理论：简单了解 MLP，CNN 、 Transformer为主，再考虑 RNN 的基础

3、模型：AlexNet、 VGG 、 ResNet、 Yolo 、 SSD 是里任选两个自己手写代码，标记数据、训练一下就好了。如果你真的有志于此，那我建议你手写完整的 Transformer模型，这现在看是未来的所有。

完成上面几步，这样你就是一个不错的入门选手了。再看看书，就是一个只需要你部就班就能成为高手的路！

详细解说：

基础

首先，作为一名深度学习从业者，掌握 Python 是基础。Python 除了语法简洁外，其生态系统中包含了大量用于数据处理和科学计算的库，这些是进行深度学习研究和应用开发的必备工具。下面这几个是必须的：

• Numpy：这是一个强大的科学计算库，提供了大量的数学函数处理以及对大型多维数组和矩阵的支持，是深度学习中进行数学运算的基石。
• Matplotlib：这是一个用于创建静态、交互式和动画可视化的库。在深度学习中，它常用于数据可视化，如绘制训练过程中的损失曲线和准确率曲线。
• Pandas：这是一个强大的数据分析和操作工具，特别适合用来处理和分析结构化数据。它在数据预处理阶段非常有用，特别是当你需要对数据进行清洗、转换和准备工作时。

在深度学习框架方面，PyTorch和 TensorFlow 是两个主流选择。

• PyTorch：由于其易于理解的编程风格和动态计算图