十步直通深度學習

隨着深度學習的不斷火熱，任何一個開發者都想上深度學習這趟快車。可是？到底怎麼樣才能快速上手了？如下是我本身的方式學習。我毫不會聲稱這是最好的方式，可是直到如今看來這條道路是我認爲最佳的方式。

在這篇文章中，我將向你介紹10個步驟去轉型深度學習，但願能夠幫助到你。

OK，出發！

1-相信你能夠作到：

不少人擔憂機器學習（ML）和深度學習（DL）對他們來講太複雜了，這些技術是否是過高深了？我能夠確切到底告訴你我作到了，你也能夠。必定要相信本身，自信才能讓你有信心的一直走下去。

你的第一個目標應該是瞭解深度學習是什麼，它能夠或不能夠作什麼以及如何在咱們本身的應用程序中使用它。大量的數據集？算法？模型？你應該首先肯定這些樂高積木是什麼，聽起來好像是堆積木，對沒有聽錯，它和其餘開發的流程是同樣的。你能夠把它們結合起來，開始構建一個很酷的深度學習模型。

提示＃1：DL不是黑魔法，它是代碼，和其餘技術沒什麼差異。

2-忽略數學：

前向傳播、後向傳播、損失函數、梯度降低這是神馬？？第一次接觸深度學習就被行話的壓倒在地。是的，不得不認可的是數學是ML的基礎。但，這不該該是你的出發點。在編寫一行代碼以前，誰會花費幾個小時或者更長的的時間去研究這行代碼中的數學知識？這一般是你如何在DL庫中啓動訓練過程：

 

model.train(data, labels, loss_function, optimizer)

 

你能夠花幾個星期來了解基礎數學，僅僅是瞭解，做爲一個開發者，千萬不要深究這裏面是什麼。使用黑匣子的方法是以最小的焦慮開始。隨着時間的推移，你能夠更好地瞭解每一個模塊的工做原理，而且能夠進一步深刻，但不是如今。

提示＃2：把你不明白的東西看成黑盒子，專一於界面。

3-Python：

DL是代碼，那麼，你應該掌握什麼語言？若是你必須選擇一個，那就是Python，由於它不只是數據科學，也是ML和DL的主要語言，它是一個很是有用的語言，正如Python AWS SDK aka boto3所示。若是你尚未使用它，或者你正在學習它，那麼確保你對列表，元組，字典等有一個很好的理解，這些數據結構在DL代碼中無處不在。對於核心語言，我強烈建議你也學習這些Python工具的基礎知識：

1.Mathplotlib（https://matplotlib.org/）：繪圖庫。

2.Numpy（http://www.numpy.org/）：科學計算，對於數組和特別有用矩陣操縱。

3.Pandas（https://pandas.pydata.org/）：數據分析庫。

4.OpenCV（https://opencv.org/）：圖像處理庫。

5.Jupyter（http://jupyter.org/）：構建Python筆記本的Web應用程序。

提示＃3：學習Python ，享受終生的紅利。

4-奔跑以前：

在你跑步學習以前，我建議你瞭解AI，ML和DL的關係（防止學術錯誤）。DL是ML的一個子集，因此在跳入DL以前，你應該知道一些關於ML的知識。你應該花時間學習「傳統」ML的數據集、主要問題（迴歸，分類，聚類等），每一個問題的流行算法等等，神經網絡只是其中的一種技術。對ML的更普遍的理解將幫助你看到什麼時候使用DL，學習Python是一件好事，由於如今你能夠經過scikit-learn（http://scikit-learn.org/stable/）來學習ML。這個庫很容易使用，而且支持大量的ML算法。若是你想要挑戰一下本身，你也能夠看看PySpark（Spark的Python API）和Spark MLlib（Spark的機器學習庫）。若是你須要處理大型數據集，Spark的強大的數據管理功能是一個不錯的選擇。在你的學習階段，它們是過分的，可是當你開始構建生產應用程序時，記得使用它們。

提示＃4：首先，深度學習是機器學習，按照正確的順序學習它們。

5-選擇一個庫:

在選擇庫是記住一點，你選擇哪個DL庫並不重要。只要它有一個Python API而且足夠友好來隱藏低級庫，這樣就好了。這裏有一些選擇：

1.Keras（https://keras.io/）。

2.Apache MXNet和它的Gluon API（https://mxnet.incubator.apache.org/）。

3.Caffe2（https://caffe2.ai/）。

4.PyTorch（http://pytorch.org/）（偏向於實驗，但頗有但願）。

注意：Theano（http://deeplearning.net/software/theano/）是很是低級的，Tensorflow也是低級別的，很難學習，而且會產生挫折感，我不會推薦這些給初學者。查看文檔，運行一些教程，作出本身的想法。其中總會有一個庫會讓你感受更溫馨。

提示＃5：選擇庫時必定要忽略炒做，這將有助於你學的更舒服。

6-代碼，代碼！

7-堅持，堅持！

 

8-不要擔憂，數學很好玩！

9-專一學習！

10-繼續學習！

另附雲棲社區進階寶典：

請收下這份關於人工智能的根目錄——博客整理系列（一）

關於數據科學的那些事——博客整理系列（二）

機器學習必備手冊——博客整理系列（三）

擴展眼界的都在這——博客整理系列（四）

深度學習必備手冊（上）——博客整理系列（五）

深度學習必備手冊——博客整理系列（六）

本文由北郵@愛可可-愛生活老師推薦，阿里云云棲社區組織翻譯。

文章原標題《10+steps+on+the+road+to+Deep+Learning》，

做者：Julien Simon

譯者：虎說八道，審閱：

 

文章爲簡譯，更爲詳細的內容，請查看原文

閱讀原文http://click.aliyun.com/m/40411/