摘要：通過書籍學習，比如除了上述的先學知識，你還應該了解一些流行的深度學習庫和運行他們的語言。你也可以查看查看的中的第講，概要性的了解一些深度學習庫。

作者：chen_h
微信號 & QQ：862251340
微信公眾號：coderpai
簡書地址：https://www.jianshu.com/p/cd0...

原文：https://www.analyticsvidhya.c...

深度學習目前已經成為了人工智能領域的突出話題。它在“計算機視覺”和游戲（AlphaGo）等領域的突出表現而聞名，甚至超越了人類的能力。近幾年對深度學習的關注度也在不斷上升，這里有一個調查結果可以參考。

這里有一個 Google 的搜索趨勢圖：

如果你對這個話題感興趣，這里有一個很好的非技術性的介紹。如果你有興趣了解最近的趨勢，那么這里有一個很好的匯總。

在這篇文章中，我們的目標是為所有深度學習的人提供一條學習之路，同時也是為想要進一步學習的人提供一條探索的路徑。如果你準備好了，那么讓我們開始吧！

建議在學習深度學習之前，你應該先了解一些機器學習的基礎知識。這篇文章列出了完整的學習機器學習的資源。

如果你想要一個簡單的學習版本。那么可以看下面的列表：

數學基礎（特別是微積分，概率和線性代數）

Python 基礎

統計學基礎

機器學習基礎

建議時間：2-6個月

## 步驟1：機器配置

在進行下一步學習之前，你應該確保你有一個支持你學習的硬件環境。一般建議你至少擁有以下硬件：

一個足夠好的 GPU（4+ GB），最好是 Nvidia

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

4 GB RAM（這個取決于數據集大小）

如果你還不確定，那么請閱讀這個硬件指南。

備注：如果你是一個硬件玩家，那么你可能已經擁有了所需的硬件。

如果你沒有所需的規格，那么你可以租一個云平臺來學習，比如 Amazon Web Service（AWS）。這是使用 AWS 進行深度學習的良好指南。

備注：在這個階段不要安裝任何深度學習的庫，安裝過程我們會在步驟 3 中介紹。

## 步驟2：初試深度學習

現在，你已經對這個領域有了一個初步的認識，那么你應該進一步深入了解深度學習。

根據自己的偏好，我們可以選擇以下幾個途徑：

通過博客學習，比如 Fundamentals of Deep Learning ，Hacker"s guide to Neural Networks。

通過視頻學習，比如 Deep Learning Simplified。

通過書籍學習，比如 Neural networks and Deep Learning

除了上述的先學知識，你還應該了解一些流行的深度學習庫和運行他們的語言。以下是一個不太完整的列表（你可以通過查看 wiki 獲得更加完整的列表）：

Caffe

DeepLearning4j

Tensorflow

Theano

Torch

其他一些著名的庫：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關于深度學習語言，可以查看這個文章。

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習庫。

建議時間：1-3周

## 步驟3：選擇你自己的領域

這是最有趣的部分，深度學習已經應用在各個領域中，并且取得了最先進的研究成果。如果你想更深入的了解，那么作為一個讀者，你最適合的路徑就是動手實踐。這樣才能對你現在了解的內容有一個更加深入的認識。

注意：在以下的每個領域中，都會包括一個博客，一個實戰項目，一個需要的深度學習庫以及一個輔助課程。第一步你應該學習一下博客，然后去安裝對應的深度學習庫，然后再去做實戰項目。如果在這個過程中，你遇到什么問題，那么可以去學習輔助課程。

深度學習在機器視覺中的應用

參考博客：DL for Computer Vision

實戰項目：Facial Keypoint Detection

深度學習庫：Nolearn

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

深度學習在自然語言處理中的應用

參考博客：Deep Learning, NLP, and Representations

實戰項目：Deep Learning for Chatbots, Part 1, Part2。

深度學習庫：Tensorflow

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

深度學習在語音中的應用

參考博客：Deep Speech: Lessons from Deep Learning

實戰項目：Music Generation using Magenta (Tensorflow)

深度學習庫：Magenta

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

深度學習在強化學習中的應用

參考博客和實戰項目：Deep Reinforcement Learning: Pong from Pixels

深度學習庫：沒有需要的深度學習庫，但是你需要 openAI gym 來測試你的模型。

推薦課程：CS294: Deep Reinforcement Learning

建議時間：1-2個月

## 步驟4：深挖深度學習

現在你應該已經已經學會了基礎的深度學習算法！但是前面的路程會更加艱苦。現在，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，你應該做的，可以磨煉你的技能。

重復上述步驟，選擇不同的領域進行嘗試。

深度學習在別的領域的應用。比如：DL for trading，DL for optimizing energy efficiency。

利用你學到的心技能去做點別的事，比如參考這個網站。

參加一些比賽，比如：kaggle。

加入一些深度學習社區，比如：Google Group，DL Subreddit。

跟隨一些研究人員，比如：RE.WORK DL Summit。

建議時間：無限

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

## 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 & QQ：862251340
簡書地址：https://www.jianshu.com/p/cd0...

CoderPai 是一個專注于算法實戰的平臺，從基礎的算法到人工智能算法都有設計。如果你對算法實戰感興趣，請快快關注我們吧。加入AI實戰微信群，AI實戰QQ群，ACM算法微信群，ACM算法QQ群。長按或者掃描如下二維碼，關注 “CoderPai” 微信號（coderpai）