新浪博客

(资料)深度学习如何入门？

2019-02-01 17:10阅读：

http://blog.sina.cn/dpool/blog/u/1407916145

深度学习如何入门？


2018年04月28日 13:20:38 nanfengzhuma 阅读数：627

序言

人工智能现在这么火，很多人都想转行，跃跃欲试，但是如果方法不对，就会走很多弯路
比如：有的人就非要系统学习数学知识、然后再系统学习Python、然后再学习机器学习，最后才学深度学习，
其实如果想尽快入门并且入职，完全没必要，你可以直接学习深度学习，大量练习项目，再回头研究算法机理。这样你就更加容易理解算法。企业面试也是重点考察你的代码能力，所以先务实代码基础，再回头深挖算法机理。这样的的学习效率最高，而且更容易帮你入职。


本文将从如下三个方面教你如何入门深度学习
如何了解——哪些人适合学？哪些人不适合学？
如何学习——帮你规划学习路径；
学习什么——讲解入门基础知识；神经网络核心机理
我会通俗易懂的表达，不用专业术语，配合图文，保证零基础也听得懂

哪些人适合学


这几类人不要学
    1. 有的人说初中毕业的，也可以入行，我完全不赞同。试想初中毕业也就14岁左右，假如现在25岁，你让他学习高中、大学数学知识，可能么？求求你放过这些人，让他们做适合他们做的事
    2. 一直以来学习文学和语言专业等的文科生，我知道他们有高中数学基础，但是长期的文科发散思维，突然要变成理科逻辑思维，还是有些困难
    3. 期待学习两三个月，就变大神，拿年薪20+，基本上不可能
这几类人可以学
  1. 大学里学习过高等数学的本科生，硕博士研究生
  2. 有高等数学基础的公司技术岗在职人员，需要AI赋能的
  3. 过去PC、ios、安卓开发的码农，有编程基础的
  4. 准备引入AI技术的产品经理
误解：人工智能是门槛很高，很高大尚的技术，一般人是没办法入行的
规划学习路径，帮助大家入行：


  • step1：科普——深度学习为什么会爆发？代表性技术、公司及行业应用
  • step2：深度学习概论知识——深度学习框架到底是什么？为什么要用框架？
  • step3：深度学习预备知识——数学和Python知识要求
  • step4：深度学习核心知识——神经网络、卷积神经网络机理
  • step5：深度学习扩展知识——强化学习的基础机理

step1：科普

在踏入人工智能大门前，我先讲一下，为什么这几年深度学习突然火了？
主要原因是大数据和GPU


第一个原因：大数据，以前我们收集数据的成本非常高，同时数据的采集也比较困难，存储数据的工具也比较昂贵，这就导致了数据量非常小。到了21世纪硬件发展非常快，存储设备也非常便宜，而且互联网时代大家的数据都在云端，收集数据也就非常方便，这样我们就有了非常多非常大的数据量。
第二个原因：GPU快速的发展，因为数据量大，训练一个模型需要的时间非常久，时间成本非常高。但有了GPU，使得我们在训练模型上的速度非常的快。
看看这张图，是有了GPU加速的效果，我们发现，如果只使用CPU去训练一个模型，即使是一个简单的模型，都需要40多天才能训练完，但有了GPU之后，时间可以瞬间缩短十倍，只需要三天或者四天，这在时间上的节省效果是非常明显的。
代表事件：2016年AlphaGo 4比1 战胜李世石，掀起了一波AI热潮，DeepMind背后所用的深度学习一下子火了起来了。其实在内行看来，AlphaGo对阵李世石的结果是毫无悬念的，真正的突破在几年前就发生了

深度学习目前的行业应用、一些标志性公司、代表性的技术等


  1. 语音识别技术，国内公司讯飞、百度。国外公司亚马逊，微软等，行业应用就是智能音箱等产品
  2. 图像识别技术，比如做安防的海康威视，图森科技，依图科技，旷视科技，代表性的就是面部识别，iphone X的人脸识别
  3. 自动驾驶技术，比如特斯拉，uber，百度等公司开发的
  4. 金融领域的预测股价、医疗领域的疾病监测，教育领域的技术赋能等
  5. 阿里巴巴淘宝网的千人千面等

Step2：深度学习概论知识

概念1：先了解一下人工智能、机器学习、深度学习，他们之间得关系是什么？


概念2：机器学习和深度学习的具体区别和联系是啥？



机器学习有两个步骤：
第一步：通过人工来提取特征，通过这个特征来表述我们需要的数据，这个需要对特定领域进行手动提取特征，
第二步：等提取完特征之后，就可以使用机器学习的模型来解决问题。在模型中，通过学习不断去优化模型里面的参数，最终得到优化好的模型。
深度学习也有两个步骤：
第一步：深度学习是通过机器来自动地提取数据的内在特征，而不需要使用人工手动提取。
第二步：提取完特征之后，仍然使用一个算法模型，通过模型自我学习来优化模型中的权重和参数。深度学习相对于机器学习来讲，它更能够实行一种端到端的模型，中间减少了人为参与。
总结：
从进化过程来看，解决任务的方式从编程到机器学习，最后到深度学习，算法流程经历了一个需要人整个把控，到机器学习人工只需要干预其中一小部分，到最后深度学习人工基本不需要干预，整个都可以用机器来实现。当模型越来越智能，人对它的干预也就越来越少。

深度学习框架介绍

概念1：为什么要使用框架？
为了降低开发人工智能技术难度，很多大公司把底层算法都封装到了一个黑盒子里面，这个黑盒子就叫深度学习框架，有了这个框架，我们就不需要所有代码都自己写，直接通过一个调用函数直接调用就行。


有两种主流的框架类型
符号式编程：最主流的代表，当然就是TensorFlow了。
命令式编程：最主流主流的代表就是PyTorch。
概念2：使用框架有以下几个好处


  1. 框架的文档详细，可以帮助我们快速上手，而不需要自己再去重复造轮子；
  2. 使用框架比自己写更加简单，降低了前期的入门门槛；
  3. 使用框架之后大家的代码都是简洁、相似的，方便大家互相阅读、交流代码；
  4. 框架的底层都是由工程师精心优化好的，所以使用框架能够降低我们构建模型的时间和运行模型的时间，提高执行效率；
  5. 使用模型还能够方便我们部署最后训练好的模型。除此之外，框架还有很多优势，这里就不再一一赘述。
概念3：目前有如下三个主流的框架



  1. 首先当然是业内老大TensorFlow。TensorFlow是现在最流行的深度学习框架，在 github 上有超过90000 个star，他的特点非常明显，google开源，质量有保证，社区强大，同时TensorFlow是一个静态图的结构，而且不管是在服务器端还是手机端都有非常好的部署方式，分布式部署。
  2. 接着就是PyTorch，PyTorch是17年1月由Facebook开源的深度学习框架，在短短的时间内获得了大量的使用者，其最大的特点是不同于TensorFlow的静态图结构，他是一个动态图的机制，debug非常方便，能够构建很灵活的网络结构。
  3. 最后我们讲一下MxNet，MxNet是由distributed machine learning community(dmlc) 开发的框架，开发成员大部分都是中国人，很早就在github上开源，目前是

我的更多文章

下载客户端阅读体验更佳

APP专享