言有三
毕业于中国科学院，计算机视觉方向从业者，有三工作室等创始人
作者 | 言有三
编辑 | 言有三
最近非技术文章有点多，因为实在是连续遇到来需求，当然我也在积蓄下一段干货。
今天来说一件重要，尤其是对从外行想转行到深度学习这一行的朋友来说，非常重要的事情。
如果你想搞AI，或者说想用深度学习搞图像，应该做好哪些准备工作？
1
高配电脑
深度学习可不是穷人玩的，首先你得有硬件！最重要的就是显卡，主要就是Nvidia的显卡了，买你买的起的最贵的显卡就对了！
在这里，我就不给大家去普及各类显卡的参数了，官网链接在此。https://www.nvidia.com/zh-cn/
显卡的参数就是显存，因为大部分模型是在GPU上进行训练，所以这个显存当然是越大越好，但是对于个人开发者来说，必须在显存和经济能力之间取得平衡。
我推荐对于经济条件比较一般的朋友，6G就够了！因为目前大部分模型大部分任务，各类框架下6G跑起来没问题，不管是验证还是训练。事实上对于移动端的小模型，还不需要这么大显存。
那买一台什么样设备呢？此处服务器，台式机不讲，只说笔记本，下面是我用的笔记本。
神舟战神K8-i76172S1笔记本，3年前买的，9000块钱。显存8G，15年的顶配机器，同等配置的外星人当年差不多是两倍这个价格。现在显卡都升级到了10系列，但是我觉得这个机器还可以再战5年没问题。
全机重量大概18斤，再配上一些其他东西，我每天差不多背20斤上班，背了3年多了，很锻炼身体，推荐入手！当然这款机器是买不到来，我给大家推荐几个差不多的笔记本，只考虑价格和显存哈，其他的自己去揣摩。
1.1 8000以下
https://item.jd.com/7410957.html
神舟(HASEE)战神Z7-KP7SC/Z7-KP7GC，GTX1060 6G独显。
1.2 10000左右
https://item.jd.com/100000439819.html#crumb-wrap
神舟(HASEE)战神ZX8-CR6S1 GTX1070 8G独显。
就这两段位，笔记本好像还没有内置16G，12G显存的，可以自己外置，但是真没必要。钱多点买8G，钱少点6G也够了。
其他牌子自己比较，Mac可以吗？当然可以，但是不好，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
2
移动硬盘
深度学习数据集动不动就是几十上百G，没有移动硬盘是不行的，推荐一款固态硬盘+一款2T的普通机械硬盘，不要买4T的，容量越大越容易出问题，出了问题愁死人。
固体硬盘有钱买三星，没钱就买个其他牌子，容量500G以下就够了，毕竟这是为了快速拷贝数据。
3
系统
放弃windows，听我的，长痛不如短痛。老老实实用上Ubuntu。MacOS也不是不行，但是装起库来还是Ubuntu更方便。
4
一个团队
对于大多数人来说，学习不是一个人能够搞定的事情，你需要团队，尤其是初学者。否则一个很小的问题别人一分钟解决，你可能需要三天，那是极大的时间浪费。如果你是孤军奋战或者自身解决问题能力比较差，可以考虑来加入我们群以及“济”划进行系统性的学习。
5
一些项目
实践出真知，看的再多，不如自己去做。看懂一篇好文章和写出一篇好文章，看懂一段代码和自己写出一段代码，可能是几个月到几年的时间跨度，只有自己动了手才会知道。
所以你需要实践项目巩固基础，提炼细节，而且实际问题往往更加复杂和综合，比跑demo学习到的东西多很多。
可以去公司实习，如果没有，就参加一些比赛，如果还没有，就自己想一些项目做，如果还没有，就参加我们“稷”划吧，每个月都会开放一批。
6
编程与数学基础
然后需要一些基础知识，python和c/c++是应该有的，python一定要有！
数学嘛，越多越好。当然，对于大部分应用工程师来说，可能用不到多么高深的数学基础，但是基本的概率论，线性代数，矩阵分析的基础要有的，没有就慢慢补吧。
然后，一些图像基础也要有，推荐两本基础书吧。
7
时间和耐心
其实说到这里，才是最重要的决定因素。因为前面这些，没有什么难度，做到都不难。
深度学习是一门新兴信息学科，需要的知识非常广泛，你可以先感受一下这个技能树，这只是其中一部分。
AI工程师，尤其是顶尖工程师确实收入远超一般人，但是也需要有相当的能力，想获得多少，就要先付出多少。
这是一个可以作为终身事业的职业，希望大家真正想学习的话，就静下心来打持久战，不要急功近利，然后很快就遇到天瓶颈。
最后说一下我的感受，没有几件事情需要到拼智商的程度，多数情况下，能走多远，全在于你有多喜欢，多专注，愿意付出多少。
更多请关注我们的知乎专栏。
深度学习网易公开课已经上线，看有三从不一样的视角来解读深度学习，特价5折，仅限今天。
如果想加入我们，后台留言吧
微信
Longlongtogo
公众号内容
1 图像基础｜2 深度学习｜3 行业信息
往期综述
往期学员分享
往期开源框架
往期行业分析
往期模型解读
363
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
