Python入門深度學習完整指南

做者：chen_h
微信號 & QQ：862251340
微信公衆號：coderpai
個人博客：請點擊這裏

• 原文：www.analyticsvidhya.com/blog/2016/0…

  介紹

  深度學習目前已經成爲了人工智能領域的突出話題。它在「計算機視覺」和遊戲（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，這裏有一個調查結果能夠參考。

  這裏有一個 Google 的搜索趨勢圖：

  

  若是你對這個話題感興趣，這裏有一個很好的非技術性的介紹。若是你有興趣瞭解最近的趨勢，那麼這裏有一個很好的彙總。

  在這篇文章中，咱們的目標是爲全部深度學習的人提供一條學習之路，同時也是爲想要進一步學習的人提供一條探索的路徑。若是你準備好了，那麼讓咱們開始吧！

  步驟0：先決條件

  建議在學習深度學習以前，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。

  若是你想要一個簡單的學習版本。那麼能夠看下面的列表：

  • 數學基礎（特別是微積分，機率和線性代數）

  • 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

在進行下一步學習以前，你應該確保你有一個支持你學習的硬件環境。通常建議你至少擁有如下硬件：

• 一個足夠好的 GPU（4+ GB），最好是 Nvidia

• 一個還能夠的 CPU（好比：Intel Core i3，Intel Pentium 可能不適合）

• 4 GB RAM（這個取決於數據集大小）

若是你還不肯定，那麼請閱讀這個硬件指南。

備註：若是你是一個硬件玩家，那麼你可能已經擁有了所需的硬件。

若是你沒有所需的規格，那麼你能夠租一個雲平臺來學習，好比 Amazon Web Service（AWS）。這是使用 AWS 進行深度學習的良好指南。

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

步驟2：初試深度學習

如今，你已經對這個領域有了一個初步的認識，那麼你應該進一步深刻了解深度學習。

根據本身的偏好，咱們能夠選擇如下幾個途徑：

• 經過博客學習，好比 Fundamentals of Deep Learning ，Hacker's guide to Neural Networks。

• 經過視頻學習，好比 Deep Learning Simplified。

• 經過書籍學習，好比 Neural networks and Deep Learning

除了上述的先學知識，你還應該瞭解一些流行的深度學習庫和運行他們的語言。如下是一個不太完整的列表（你能夠經過查看 wiki 得到更加完整的列表）：

• Caffe

• DeepLearning4j

• Tensorflow

• Theano

• Torch

其餘一些著名的庫：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關於深度學習語言，能夠查看這個文章。

你也能夠查看查看 Stanford 的 CS231n 中的第 12 講，概要性的瞭解一些深度學習庫。

建議時間：1-3周

步驟3：選擇你本身的領域

這是最有趣的部分，深度學習已經應用在各個領域中，而且取得了最早進的研究成果。若是你想更深刻的瞭解，那麼做爲一個讀者，你最適合的路徑就是動手實踐。這樣才能對你如今瞭解的內容有一個更加深刻的認識。

注意：在如下的每一個領域中，都會包括一個博客，一個實戰項目，一個須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，而後去安裝對應的深度學習庫，而後再去作實戰項目。若是在這個過程當中，你遇到什麼問題，那麼能夠去學習輔助課程。

• 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

• 深度學習在天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：沒有須要的深度學習庫，可是你須要 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

如今你應該已經已經學會了基礎的深度學習算法！可是前面的路程會更加艱苦。如今，你能夠儘量高效的利用這一新得到的技能。這裏有一些技巧，你應該作的，能夠磨鍊你的技能。

• 重複上述步驟，選擇不一樣的領域進行嘗試。

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

• 利用你學到的心技能去作點別的事，好比參考這個網站。

• 參加一些比賽，好比：kaggle。

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

• 跟隨一些研究人員，好比：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

CoderPai 是一個專一於算法實戰的平臺，從基礎的算法到人工智能算法都有設計。若是你對算法實戰感興趣，請快快關注咱們吧。加入AI實戰微信羣，AI實戰QQ羣，ACM算法微信羣，ACM算法QQ羣。詳情請關注 「CoderPai」 微信號（coderpai）。