炼丹师入门修炼指南-深度学习入门资料推荐

大家好，打开这篇文章，想必你也是一位对Ai充满好奇的好学青年，抑或是刚开始进入领域茫然不知所措的初级药童。

媒体对Ai对大肆宣传，似乎未来已尽在Ai之中。本着打不过就加入的原则，本文就为你分享一些学习深度学习的必备知识。

Ai是智能的程序，在深度学习出来之前，主流方法是机器学习的方法。可以说深度学习是机器学习的子集。机器学习中本就有名为感知机(单层线性的网络)的算法。后来又发展到了多层线性感知机，最后再到非线性的深度神经网络。

深度网络重剑无锋，好的法宝本就没那么多花里胡哨，依赖无限的函数容量和GPU的加持，横扫三界，所以学习深度学习，要想打好基础，机器学习的内容也不可避免。

1.数学知识

首先要足够的数学知识，你才能有看懂机器学习内容的能力。学好三大数学课程：微积分，概率论，线性代数，就足以应付后续的学习了。我想只要是理工科的学生就避不开这三门课。

若你的专业不学数学，或是自学者，推荐直接观看考研的数学课程，例如张宇。老师们的讲课实力在线，还可以做做习题加深理解。

书籍方面，推荐《mathematics for machine learning》，直接就包含了机器学习的数学知识。

2.机器学习

数学知识只是基本的药理知识，有基础以后，现在你可以学习基本的丹方啦。

首先还是推荐视频课程。这里我推荐B站一位大佬的课程。

机器学习白板推导系列

这个课程真的是太良心了好吗。大佬在线手推公式，从极大似然估计讲到前馈神经网络，同时结合图文，跪了跪了。

书籍的推荐：上面的视频第一集就是书籍资料推荐。《PRML》和西瓜书都是非常好的机器学习书籍。

3.深度学习框架(库)的选择

好药用好"炉"，深度学习框架就是这样的炉子。借助它我们就可以设计自己的神经网络了。

学习时期的时候，我们还是选择Python作为框架的宿主语言。python的语法简洁，包管理方便，便于我们在不同的环境下测试模型。

目前主流的深度学习框架有：Pytorch，TensorFlow，MXnet。caffe与其他的框架我就不提了，一方面不了解，二是不适合入门(个人见解)。

我推荐Pytorch作为入门学习的深度学习框架。Pytorch在python的开发环境下安装非常的简单。pytorch语法简单，功能强大，灵活妙用无穷，实在是炼丹配药的必备法宝啊。

此外，在学术界pytorch的增长势头迅猛，许多的论文将pytorch作为它们的模型开发语言。因此学好pytorch也是追逐行业前沿的前提。

4.pytorch学习资料推荐

pytorch框架的学习就不推荐视频了，看书(文档)学习的效率会更高。

先推荐python语言的教程。在这里推荐菜鸟教程，这个网站很好用，可以学很多东西哦。直接学python3就可以了。

Python3 教程 | 菜鸟教程

pytorch的教程就推荐GitHub上开源的pytorch handbook中文版。

pytorch handbook 中文版

pytorch框架的版本更新非常的快，特性增加的也很快，这时候书籍就跟不上框架的更新速度了，所以大家一定要习惯看电子文档。

5.深度学习资料推荐

一个完整的深度学习模型工程包括以下几个部分：

数据加载器：加载数据

模型：处理数据，前向传播

loss：计算损失，反向传播

优化器：更新模型参数

配置文件：顾名思义，一些配置参数

对于模型，loss，优化器。这里推荐李沐大神参与的《动手学深度学习》pytorch版

《动手学深度学习》pytorch版

本书对于常见的loss，优化方法讲解的非常清晰，还介绍许多经典的网络模块，还有源码可读。原书是基于MXnet框架的，现在pytorch版本已在GitHub开源，还不赶快学起来。

最后是深度学习的理论知识，这个没什么理由，推荐被誉为“深度学习圣经”的花书。

有了上面的数学基础和机器学习打底，读这本书就会顺畅多了。

本文向大家介绍了一些我所读过看过的好用的入门资料，省去大家寻找资料，茫然无措的烦恼。

之后我也会写一些其他的文章，聊一聊深度学习领域的经典结构，常见的概念，或是难以理解不好翻译的英文名词，让大家学习之路更加顺畅。

若是你觉得文章有用，就动动小手点个赞吧！谢谢啦。

给个关注，不迷路啊！！！！！