吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】(2019年已经最后一个月了,你还不学深度学习吗???)

欢迎关注WX公众号:【程序员管小亮】

声明:

1)该文章整理自网上的大牛和机器学习专家无私奉献的资料,具体引用的资料请看参考文献。
2)本文仅供学术交流,非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主删除。
3)博主才疏学浅,文中如有不当之处,请各位指出,共同进步,谢谢。
4)此属于第一版本,若有错误,还需继续修正与增删。还望大家多多指点。大家都共享一点点,一起为祖国科研的推进添砖加瓦。

〇、写在前面

最近没有怎么发博客,趁这个机会总结一下,2019年已经是深度学习大火甚至热度下降的一年了,我们的小伙伴应该抓紧机会赶上最后一波热潮!!!

依照我目前的学习经验和采坑总结,学习深度学习的最佳学习方法莫过于 【视频+博客+书籍】+ 总结,【视频+博客+书籍】这三个,我将把自己【目前学过的】以及【大佬推荐的】都在这篇博客文章中全部展现出来,力求全面实用,至于【总结】部分则是在于个人的发挥,【所谓师父领进门,修行在个人】,虽然我不是师傅,但是也希望能为你的未来方向提供一些力所能及的帮助。

博主将为各位趟河踩坑,保驾护航,咱们一起冲冲冲!!!上帝是公平的,所以世间的一切都是等价交换,只要你不辜负时间,时间也必然不会辜负你!!!

最后说一下,什么叫做【学习】,有好多小伙伴包括博主本人都有点急躁,但是【学习】是【学】然后【习】的过程,即 认真学习,努力实践,乐于分享
在这里插入图片描述
不要忘记计算机科学技术的核心就是【分享】,不要闭门造车!!!那实在是浪费时间!!!

如果你觉得本文有用,还请 点赞,关注,收藏,这样就能让更多的人看到。

如果本文有不足或者不正之处,欢迎指正批评,感激不尽!

如果有疑问欢迎留言,绝对第一时间回复!!!

 


 

一、粉丝小福利

推荐一个可以搜索一些pdf版的电子书的网站——鸠摩搜书,https://www.jiumodiary.com/
在这里插入图片描述
比如搜索【深度学习】,
在这里插入图片描述
下文中提到的一些书都可以去其中搜索,或者也可以直接百度:
在这里插入图片描述
不过百度的坑比较多,但是也是可以尝试的,再或者脚本之家,https://www.jb51.net/books/
在这里插入图片描述
如果实在找不到,也可以直接去CSDN的下载区下载,https://download.csdn.net/,淘宝找一个商家下载即可,一般也就一两块。
在这里插入图片描述

 


 

二、令人头疼的数学

在这里插入图片描述
其实我也懂,大家也懂,很多人避而不谈或者绕开深度学习的主要原因是听到了数学,数学基础内容过多,基本上把大部人劝退了。。。【立即推 <<==>> 放弃】

其实如果你读过工科本科(因为我是工科,本科【吉大】的小伙伴有吗),就一定学过 高等数学、概率论与数理统计和线性代数 这三门课,这就基本上能够解决绝大多数的问题,甚至说如果你只是想当一个掉包侠的话,这些都不用全部掌握,关于深度学习的境界划分在这里——大话卷积神经网络CNN(干货满满),可以看看自己是哪一个境界的小盆友。
在这里插入图片描述
正文开始:

  • 微积分:其实个人感觉涉及的微积分知识相对简单,积分很少,微分也不是特别复杂,花一天时间学一学就行。

  • 概率论与统计:这个比较高深,是应用在机器学习领域里最重要的数序分支。应用比如:条件概率、相关系数、最大似然、大数定律、马尔可夫链等等,还是得好好搞一下概率。

  • 线性代数:数字图像本身就是以矩阵的形式呈现的,多个向量组成的样本也是矩阵这种形式非常常见,大多机器学习算法里每个样本都是以向量的形式存在的,多个矩阵叠加则是以张量(tensor)的形式存在 Google 深度学习库 TensorFlow 的字面意思之一。

  • 凸优化:这个需要单独拎出来说一下。因为太多问题(尤其机器学习领域)都是优化问题(求最优),凸优化是里面最简单的形式,所以大家都在想办法怎么把一般的优化问题转化为凸优化问题。至于单纯的凸优化理论,好像已经比较成熟了。在机器学习里,经常会看到什么求对偶问题、KKT条件等,潜下心花两天学一学。

数学知识真的没必要系统学习,效率低又耗时,毕竟大家都有本科或者研究生的基础了,这就足够了。目前感觉用的最多的就是矩阵论!!!因为 TensorFlow 或者其他的框架都需要计算图的大小。再或者用到的时候学,学完之后总结一下,所以一定要活学活用网上的搜索资源,比如 CSDN、知乎等等。

如果想要学习这三门课——【高等数学、概率论与数理统计和线性代数】,推荐宇哥(张宇数学)的课程,直接B站搜就能找到。

宇哥鼓励学生的一段话,送给你,无论你考没考过研,希望你都能坚持一下!!!

再坚持一下,张宇送给2018考生的最后一段话!

资源总结

 


 

三、人生苦短,我用python

在这里插入图片描述
工欲善其事必先利其器,作为深度学习的基础语言,python这些年可以说是红得发紫,承蒙粉丝们抬爱,写过一个1.6W播放量的 python 的基础博客——用Python解决数据结构与算法问题(一):Python基础,不过没有特别详细,推荐学完了基础知识的时候再看一下,以做位复习的资源,内附几个例子,可以用来练手。
在这里插入图片描述

基础部分看廖雪峰的 python教程 就可以了,我个人有看一些,比较良心,如果不喜欢在线学习的同学也可以使用这本书——《Python编程:从入门到实践》,极其的基础,但是对小白来说非常友好,还有几个简单的项目实战。

有的同学会问是学 python2 还是 python3?这么说吧,python 核心团队计划2020年停止支持 python2,也就是说 python2 马上就要说再见了,肯定还是学 python3,遇到之前的 python2 的代码再查找区别即可。python 学起来其实很简单,看别人代码的过程就是学习的过程。对于不熟悉的用法多搜下官方文档,如 python

 


 

python 的开发环境值得说一下,因为有太多选择,这里比较建议使用 pycharm 和 jupyter notebook:

  • Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。

下载地址:https://www.anaconda.com/download/

  • Pycharm,社区版免费

下载地址:https://www.jetbrains.com/

资源总结

 


 

四、三两个三方库

在这里插入图片描述
除了python之外,还有很多常用的第三方库:numpy、pandas、scipy、matplotlib、Seaborn、scikit-learn等等,需要熟练掌握提到的这几个,其他的遇到再学习使用即可。

资源总结

 


 

五、深。。。深度。。。深度学习理论

在这里插入图片描述
认真的学习深度学习理论是关键!!!

在这里插入图片描述
深度学习理论首推这门课——网易云的吴恩达deeplearning.ai

还有我个人依据课程写的 深度学习入门笔记系列


在这里插入图片描述
《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,入门深度学习的同时还可以学习 Keras。

英文版:https://github.com/fchollet/deep-learning-with-python-notebooks

中文版:https://github.com/fengdu78/machine_learning_beginner/tree/master/deep-learning-with-python-notebooks


在这里插入图片描述
李宏毅的一天搞懂深度学习课件ppt,pdf以及精心整理的目录——https://download.csdn.net/download/tefuirnever/11107293

李宏毅《机器学习》:https://www.bilibili.com/video/av59538266


在这里插入图片描述
李飞飞的 CS231n 课程,B站有 中英文字幕版课程,知乎专栏 智能单元 有CS231N课程翻译(非常好)


在这里插入图片描述
Fast.ai《程序员深度学习实战》

视频地址:

课程笔记:


在这里插入图片描述
CS230 Deep Learning

资源总结

 


 

六、一大波DL论文来袭

在这里插入图片描述
如果你是深度学习领域的新手,你可能会遇到的第一个问题是“我应该从哪篇论文开始阅读?”

Papers with Code 这个网站叫做 Browse state-of-the-art。它将 ArXiv 上的最新深度学习论文与 GitHub 上的开源代码联系起来。该项目目前包含了 651 个排行榜,1016 个深度学习任务,795 个数据集,以及重磅的 10257 个含复现代码的优秀论文。简直就是一个寻找论文和代码的利器。它将 1016 个深度学习任务分成了 16 大类,涉及了深度学习的各个方面。

比如目标检测的超全的文献 paper 列表:
在这里插入图片描述
资源总结

 


 

七、有哪些知名会议呢

在这里插入图片描述

  • 会议

NeurIPS:https://nips.cc/

ICML:https://icml.cc/

ICLR:https://iclr.cc/

AAAI:https://aaai.org/Conferences/AAAI-19/

IJCAI:https://www.ijcai.org/

UAI:http://www.auai.org/uai2019/index.php

  • 计算机视觉:

CVPR:http://cvpr2019.thecvf.com/

ECCV:https://eccv2018.org/program/main-conference/

ICCV:http://iccv2019.thecvf.com/

  • 自然语言处理:

ACL:http://www.aclcargo.com/

EMNLP:https://www.aclweb.org/portal/content/emnlp-2018

NAACL:https://naacl2019.org/

  • 知名期刊:

JAIR:https://www.jair.org/index.php/jair

JMLR:http://www.jmlr.org/

  • 其它

机器人方面,有 CoRL(学习)、ICAPS(规划,包括但不限于机器人)、ICRA、IROS、RSS;

对于更理论性的研究,有 AISTATS、COLT、KDD。

 


 

八、你知道知识图谱吧?!?

在这里插入图片描述
知识图谱是什么?

知识图谱是一种结构化数据的处理方法,它涉及知识的提取、表示、存储、检索等一系列技术。从渊源上讲,它是知识表示与推理、数据库、信息检索、自然语言处理等多种技术发展的融合。

资源总结

 


 

九、DL框架哪家强

在这里插入图片描述

注:♥ 表示推荐指数,越多越好


9.1、TensorFlow

TensorFlow学习资料大全:含入门指南、在线博客、视频教程、书籍推荐和实战项目等

TensorFlow入门指南

TensorFlow官网&社区

TensorFlow在线教程

TensorFlow视频教程

TensorFlow书籍资源

TensorFlow实战项目


9.2、PyTorch

PyTorch资料学习大全:含入门指南、在线教程、视频教程和书籍推荐等资源

PyTorch安装教程

PyTorch入门指南

PyTorch官网&社区

PyTorch在线教程

  • (♥♥♥♥♥)PyTorch:Doc
  • (♥♥♥♥♥)pytorch-tutorial:PyTorch Tutorial for Deep Learning Researchers
  • (♥♥♥♥♥)practicalAI:Implement basic ML algorithms and deep neural networks with PyTorch.
  • (♥♥♥♥)practical-pytorch:PyTorch tutorials demonstrating modern techniques with readable code
  • (♥♥♥♥)Deep Learning with PyTorch:This series is all about neural network programming and PyTorch!
  • (♥♥♥♥♥)pytorch-book:PyTorch tutorials and fun projects including neural talk, neural style, poem writing, anime generation
  • (♥♥♥♥♥)莫凡:PyTorch教学:Build your neural network easy and fast
  • (♥♥♥♥♥)pytorch-handbook:pytorch handbook是一本开源的书籍
  • (♥♥♥♥)Dive-into-DL-PyTorch:本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
  • (♥♥♥♥)PyTorch_Tutorial:《Pytorch模型训练实用教程》中配套代码 PyTorch学习笔记

PyTorch视频教程

PyTorch书籍资源

PyTorch实战项目

PyTorch搭档工具

 


 

十、欢迎来到神经网络游乐场

在这里插入图片描述
网站地址:http://playground.tensorflow.org/#activation=relu&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.17410&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

在这里插入图片描述
可以调整:

  • 数据分布,训练集和测试集的比例,有无噪声,批大小;
  • 特征,神经元个数和层数;
  • 学习率,激活函数,正则化与否以及大小,分类还是回归。

你可以尝试去改变相应的参数,从而感受一下网络输出的变化,进而体会到卷积神经网络的乐趣,加油!!!

 


 

十一、毛遂自荐可还行

在这里插入图片描述
推荐两个自己写的高质量博客:

 


 

十二、总结一下下

在这里插入图片描述
该博客会持续更新相关资源,敬请期待。

持续更新…

 


 

如果你觉得本文有用,还请 点赞,关注,收藏,这样就能让更多的人看到。

如果本文有不足或者不正之处,欢迎指正批评,感激不尽!

如果有疑问欢迎留言,绝对第一时间回复!!!

参考文章

发布了211 篇原创文章 · 获赞 4424 · 访问量 60万+

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 酷酷鲨 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览