分享我的Deeplearning学习好工具

深度学习最重要的是两部分：理论和代码。有些人理论知识很丰富，各种数学难题都能解开，但是代码能力却偏弱了。

1. 理论基础

1.1 高等数学

​ 高数是理工科的必选，里面包含数列，极限，微积分，空间解析几何，级数，常微分方程等等。深度学习所需要的求导，链式求导，微分，积分…等等知识点都在高数中。高等数学是深度学习的重要理论知识基石。

推荐视频教程：

• 《宋浩老师的高等数学教程》：https://www.bilibili.com/video/BV1Eb411u7Fw?from=search&seid=13494366237111541654&spm_id_from=333.337.0.0

平易近人且有趣的老师，亲切且细致的教学

• 《高数叔的高等数学教程》：https://www.bilibili.com/video/BV1mz4y127ue?from=search&seid=13494366237111541654&spm_id_from=333.337.0.0

从浅入深，新型且有趣的教学形式。

推荐书籍：

• 《同济版高等数学》：经典中的经典高数书

1.2 线性代数

​ 《线性代数》是数学的一个分支，它的研究对象是向量，向量空间，线性变换和有限维的线性方程组。（摘自百度百科）作为深度学习的一门基础学科，《线性代数》中的矩阵分解，矩阵运算等等是深度学习所需要的基础运算知识。其中在深度学习的图像处理和语音分割的应用非常广泛。

推荐视频：

• 《宋浩老师的线性代数教程》：https://www.bilibili.com/video/BV1aW411Q7x1?from=search&seid=13307711887140729090&spm_id_from=333.337.0.0

• 《高数叔的线性代数教程》：https://www.bilibili.com/video/BV1GX4y1L7bM?from=search&seid=13307711887140729090&spm_id_from=333.337.0.0

推荐书籍：

• 《同济大学版线性代数》

1.3 概率论与数理统计

​ 主要内容包括：概率论的基本概念、随机变量及其概率分布、数字特征、大数定律与中心极限定理、统计量及其概率分布、参数估计和假设检验、回归分析、方差分析、马尔科夫链等内容。（摘自百度百科）

推荐视频

• 还是宋浩老师的《概率论与数理统计》：https://www.bilibili.com/video/BV1ot411y7mU?from=search&seid=541155356981713440&spm_id_from=333.337.0.0

• 《高数叔的概率论教学》：https://www.bilibili.com/video/BV15o4y1R74P?from=search&seid=541155356981713440&spm_id_from=333.337.0.0

• 推荐书籍

《浙江大学版概率论与数理统计》

以上介绍的都是笔者大一的时候学习高等数学，概率论和线性代数的时候所看过，所学过的视频和书籍。真的非常好！宋浩老师yyds！

2. 代码功底

2.1 Python基础

​ 深度学习最多使用的就是python语言，这门语言入门简单，语法友好。深度学习方面python封装有pytorch，tensorflow等等非常著名的学习框架。不过放眼当下，各行各业也能看到python的身影。那看看python如何入门吧。

推荐教学视频：

• 《子木老师的python入门视频》：https://www.bilibili.com/video/BV1wD4y1o7AS?from=search&seid=6771064427270670381&spm_id_from=333.337.0.0

推荐网站：

• 菜鸟教学：https://www.runoob.com/python3/python3-tutorial.html

• 廖雪峰的python教程：https://www.liaoxuefeng.com/wiki/1016959663602400

推荐书籍：

• 《浙江大学版python程序设计》：

这本书是有配套练习的，在pta上有配套的python练习题，笔者入门python的时候全刷了一遍，巩固了很多语法。

PTA刷题地址：https://pintia.cn/problem-sets/1111652100718116864/problems/type/6

• 《清华大学版python基础入门》

2.2 深度学习入门

​ 很多人都会推吴恩达老师的教学，但是对于入门的同学来说，全英文的教学有点难度。所以我推荐莫烦老师的中文教学。非常细致的讲解深度学习的知识点，包括神经网络的梯度下降，反向传播等等…

​ 另外力推一位宝藏up主，他自己录制了许多入门教程。YOLO，DeeplabV3等等，节奏舒服，容易入门。

​

推荐视频：

• 常用算法：https://www.bilibili.com/video/BV1Bt4y1U7xq?from=search&seid=3991600853402514477&spm_id_from=333.337.0.0

• 菜菜老师的入门算法合集：https://www.bilibili.com/video/BV1vJ41187hk?from=search&seid=9021036429619554376&spm_id_from=333.337.0.0

• opencv 入门：https://www.bilibili.com/video/BV1oJ411D71z?from=search&seid=3845992489393073419&spm_id_from=333.337.0.0

  唐德宇老师的opencv教程，由浅入深，适合新手入门。

• pytorch入门

  • 莫烦老师的pytorch入门教学：https://www.bilibili.com/video/BV1Vx411j7kT?from=search&seid=5455268814637890576&spm_id_from=333.337.0.0

• 刘老师的pytorch教学：https://www.bilibili.com/video/BV1Y7411d7Ys?from=search&seid=17142645815900556967&spm_id_from=333.337.0.0

• tensorflow入门：

  • 莫烦老师的tensorflow教程：https://www.bilibili.com/video/BV1Lx411j7ws?from=search&seid=6971955107222066730&spm_id_from=333.337.0.0

• Tensorflow 官方入门实操：https://www.bilibili.com/video/BV1rz4y117p1?from=search&seid=6971955107222066730&spm_id_from=333.337.0.0

入门实例：

• 一个numpy搭建神经网络：https://www.bilibili.com/video/BV1m4411x7KU?from=search&seid=14488306703666396015&spm_id_from=333.337.0.0

手算梯度下降，反向传播。用数学公式和python代码共同演绎搭建一个MNIST识别手写数字的神经网络。

• 使用pytorch搭建YOLO网络 https://www.bilibili.com/video/BV1Hp4y1y788?from=search&seid=16744337417855494232&spm_id_from=333.337.0.0

• Keras搭建语义分割模型 https://www.bilibili.com/video/BV1qJ411S7Pn?spm_id_from=333.999.

推荐专栏

• 知乎深度学习专栏：https://www.zhihu.com/topic/19813032/hot

• 给岁月以文明，给时代以AI。图灵的猫 机器学习专栏： https://www.zhihu.com/column/MachineL

推荐书籍：

《北京大学出版社机器学习入门》

• 与周志华编写的《机器学习》相比，本书多了对算法的数学原理详细严谨的推导。
• 与李锐翻译的《机器学习实战》相比，本书多了用面向对象思想将算法模块化，并且书中代码在 Python 3环境下运行。
• 为了照顾初学者，本书补充了全书涉及的高等数学、线性代数、概率论与数理统计、Jessen不等式等数学基础知识。

《人工智能数学基础》

• 全新视角介绍数学知识。采用计算机程序模拟数学推论的介绍方法，使数学知识更为清晰易懂，更容易让初学者深入理解数学定理、公式的意义，从而激发起读者的学习兴趣。

《图解深度学习》

• 这本书从深度学习的发展历程讲起，以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。(摘自知乎)

最后

深度学习很有趣！一起面向未来编程吧~

本文整理自华为云社区内容共创活动：任务28 有没有什么可以节省大量时间的深度学习效率神器？？
查看活动详情：https://bbs.huaweicloud.com/blogs/308924