本文指导如何从零开始学习深度学习，强调Python作为首选编程语言的重要性，以及数学基础如线性代数和概率论的作用。介绍了TensorFlow等框架，建议通过实践项目来巩固知识，如图像分类和目标检测。
点击上方关注 “终端研发部”
设为“星标”，和你一起掌握更多数据库知识首发于我的知乎：终端研发部
很简单的，先准备用5个月入门，稳扎稳打，前期需要去好好的学好机器学习的基础知识!
首先补充下深度学习的定义
简单点说就是一种为了让层数较多的多层神经网络可以训练，能够运行起来而演化出来的一系列的新的结构和新的方法。不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络就是一种深度的监督学习下的机器学习模型，而深度置信网就是一种无监督学习下的机器学习模型。
就像下图
简单来说，深度学习的核心结构是神经网络，深入了解神经网络，是我们掌握深度学习本质的关！
如何学习？
选择合适的编程语言
首选 Python，Python 已经成为深度学习主导性的编程语言。并且现在主流的很多的框架都是基于Python来开发的，比如PyTorch、TensorFlow 。Anaconda 作为 Python 的一个集成管理工具，并且Anaconda 自带了 Jupyter Notebook，Jupyter Notebook 是一个非常强大的工具。
所以Python是最适合学习深度语言的编程选择。
学习数学基础和理论基础
对于数学知识，你需要掌握的有：线性代数、微积分、概率论和统计学等数学基础。
线性代数是深度学习的核心，因此建议你首先学习线性代数，包括矩阵和向量的基本运算、矩阵分解、特征值和特征向量等。微积分是理解深度学习优化算法的基础。概率论和统计学是理解深度学习的概率模型、损失函数和正则化技术的基础。你可以通过在线课程、教科书或视频教程进行学习。
在学习数学知识的同时，你需要多去提高自己的逻辑思维能，提高自己的理论基础能力，例如神经网络的正向传播过程，激活函数的选择与比较，反向传播参数优化的过程，等等。
编程基础
python的语法结构很简单，学习Python基础了解Python语言起源、设计目标、设计哲学，Python语言的优缺点和面向对象的基本概念、执行方式、集成开发环境PyCharm的使用为Python的深入学习做铺垫
所学习的语法和高级进阶的知识脑图如下：
总之，学习Python的话，你需要不断的练习，你的python在学习阶段才能学得牢固，你在使用阶段你的思想才能更佳开拓。就是要给自己提各种不同的练习需求，硬性的逼着自己去写，不断的练习，当你的练习量达到一定程度，你自然对python应该如何使用产生感觉！
机器学习基础
深度学习是机器学习的一个分支，因此需要掌握机器学习的基础知识，包括监督学习、无监督学习、半监督学习和强化学习等。
监督学习
通过有数据标签的数据进行训练，一般可以有回归和分类两类方式。
监督学习的算法主要有：线性回归、逻辑回归、支持向量机、决策树、随机森林、K-近邻、朴素贝叶斯、AdaBoost、梯度提升树、神经网络。
无监督学习
没有数据标签对的数据进行训练，这类方法的目标是找到数据集底层联系，有聚类和关联两类。
无监督学习的算法主要有：K-均值聚类、层次聚类、DBSCAN、主成分分析、独立成分分析、t-SNE。
关于机器学习，我建议你了解一个领域的最新研究，需要泛读大量文献。选择精读其中有借鉴意义的部分文章，可以获取到代码，论文中往往也会提到数据集。获取到代码和数据集之后，复现论文中的实验，你会加深了解到论文的优点和不足之处，也为以后自己的优化奠定了基础。
需要学习的算法
算法涉及到了很多数据结构，如图、树、排序等，掌握这些数据结构和算法很重要。
需要学习的书籍
《深度学习》（Deep Learning）
《Scikit-Learn与TensorFLow机器学习实用指南》
《百页机器学习》
《强化学习：导论（第二版）》
《深度强化学习实践》
《从数据中学习》
《Deep Learning for Computer Vision with Python》
《解释为什么》
《机器学习秘籍》
《可解释机器学习》
《神经网络与深度学习》
《Deep Learning: A Practitioners Approach》
《TensorFlow Deep Learning Cookbook》特别是这一本书籍，这本书是完全手把手讲解，并且也是一本非常好的 TensorFlow 参考书。它不教授深度学习，而是向你展示在深度学习中，如何使用 TensorFlow 库。
掌握必要的深度学习框架
在掌握以上基础知识的基础上，你可以学习一些场景的框架
1. TensorFlow
2. PyTorch
3. Keras
4. MXNet
5. Caffe
特别是TensorFlow，你一定要去学习的，毕竟他是由Google开发的开源框架，是目前应用广泛的深度学习框架之一。提供了丰富的API和工具，支持多种平台和设备，为以下做一些项目奠定一定的基础
实践项目
最后，你需要进行实践项目来巩固所学知识。你可以选择一些经典的深度学习项目，如图像分类、目标检测、文本生成等，并尝试使用深度学习框架（如TensorFlow和PyTorch）进行实现。通过实践项目，你可以更好地掌握深度学习的技术和应用。
所以，深度学习一定要去多时间，多看论文，才能掌握深度学习的精华！
回复 【idea激活】即可获得idea的激活方式
回复 【Java】获取java相关的视频教程和资料
回复 【SpringCloud】获取SpringCloud相关多的学习资料
回复 【python】获取全套0基础Python知识手册
回复 【2020】获取2020java相关面试题教程
回复 【加群】即可加入终端研发部相关的技术交流群
阅读更多
用 Spring 的 BeanUtils 前，建议你先了解这几个坑！
在华为鸿蒙 OS 上尝鲜，我的第一个“hello world”，起飞！
一款vue编写的功能强大的swagger-ui，有点秀（附开源地址）
相信自己，没有做不到的，只有想不到的
在这里获得的不仅仅是技术！
喜欢就给个“在看”
扫一扫
4865
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
