人工智能(AI)、机器学习(ML)、深度学习(DL)在当下的火热程度我就不多说了,同时又有很多人想入门进入这个领域,尤其是深度学习这个细分领域。

01 高性能的显卡

深度学习相对于其他技术如:前端、php等编程语言,对于硬件的要求有一定的提高,其中最重要的就是显卡,目前做深度学习的常用的显卡就是Nvidia的显卡了,

显卡核心的参数就是显存,因为大部分模型是在GPU上完成训练,所以这个显存当然是越大越好。

但是对于个人开发者来说,必须在显存和经济能力之间取得平衡。

对于前期的学习,4G足够了!因为目前大部分模型任务,不管是验证还是训练,各类框架下4G用起来没问题。

02 高配的电脑

此处,我不会推荐任何品牌的电脑设备,但是对于初学、转行、入门的同学来说,最好还是选择笔记本,主要就是用起来方便。

至于品牌,大家可以自己比较,苹果本可以吗?当然可以,但是不是最好的选择,毕竟CPU再强,也无法和GPU相提并论,当然如果你不需要自己训练模型,倒是可以考虑。

03 移动硬盘

深度学习数据集一般情况下都是100G左右的大小,在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。可以购买500G以下的固态硬盘,一方面是价格便宜些,另一方面大家平时也不会用到1T的存储。

至于为何是固态硬盘,当然就是相对于传统的机械硬盘存储数据要快了。

04 系统的选择

对于想深挖深度学习领域的同学,我建议还是直接使用Ubuntu系统。MacOS也不是不行,但是装起库来还是Ubuntu更方便。

但是如果你仅仅是想学学看,可以继续使用Windows,只不过是有些操作会麻烦一些,但还好的是并不会影响到你的学习进度。

05 一个学习小组

深度学习学习的复杂程度,要比学习前端、php等编程语言复杂的多。

如果你在学习中遇到一些困难,很多时候遇到问题并不是一个人就能搞定的,你需要一个学习小组,一起交流、探讨,如果不行还需要专业的导师为你进行指导。

06 实战项目

仅仅靠学习理论知识,而不进行实操训练,永远写不出漂亮的代码。

所以你需要实战项目巩固基础,提炼细节,而且实际问题往往更加复杂和综合,比做个简单的demo学习到的东西要多很多。

做项目常用的三个方式:

1、去企业实习,做实战项目,可以有人带。但是从2019年秋招的困难程度来看,没有基础去面试深度学习实习岗,基本是不可能通过的。

2、去网上找一些开源的深度学习项目。目前网上这样的项目还是挺多的,但是对于没有基础的人自己独立完成,还是比较有困难的。

3、认真反复实操课程中的一些项目,进行刻意练习的训练,对于其中的知识点形成肌肉记忆。

07 学习路径

具体你需要经历以下几个步骤:

  1. 深度学习整体概述:了解深度学习的前世今生、为什么会爆发深度学习热潮?代表的技术有哪些,涉及到什么样的领域、产品、公司,以及各行各业中的应用
  2. 深度学习预备知识:数学基础(线性代数、矩阵、概率统计、优化等等)、机器学习基础、编程基础
  3. 深度学习核心知识:神经网络、深度网络结构、图像任务、语音任务、自然语言任务
  4. 深度学习进阶知识:如何使用深度学习框架,完成网络的搭建、训练

PS:对于大部分工程师而言,不会用到特别深奥的数学基础,但是基本的概率论、线性代数、基础统计学知识还是要有的。

微信图片_20191015123457.jpg