本文共 955 字，大约阅读时间需要 3 分钟。

重点蓝色标记。

1.简介：

深度学习如果只看结果，第一重要的是工具和实践，其次才是理论和分析。每人喜好不同，研究的方向不同，因此使用的网络不同，工具也自然不太相同。流行的有很多网络变体，如果你想做图像方面，CNN就有五花八门的结果，有很多方向，比如识别，检测，三维重建，风格转换，超分辨，深度估计等等;想做语音，自然语音处理，语音识别或者文本分析用RNN，LSTM等。

2.学习路线：

Python学习：英文或中文官方文档，3.x和2.x其实表明上语法差不多，但是推荐学习使用2.7.X。前期在windows下学习也可以，但真正做深度学习建议在ubuntu14.04开展工作。CS231n课程的note也有简要的python tutorial。自己需要学习pyhont语言本身，以及第三方库，比如numpy，matplotlib，scipy，pillow等，有些是optional，各自需要。（第三方库浩如烟海）

IDE：可选，实验室喜欢用matlab接口，pyhon接口，C++接口，也有用文本编辑器结合命令行使用框架的。但是今后机器学习python是主流，师兄使用atom编辑器，但不能直接运行。自己选择的是pycharm，界面友好，外观漂亮，功能强大，用社区版即可。不过jupyternotebook也非常流行，基于浏览器，可视化展示能力好，也很喜欢。自己就用这两个。Matlab暂时还没怎么用，但是如果不用caffe或者matconv框架的话不建议当成第一手工具。

深度学习课程：

a.斯坦福计算机视觉与深度学习（cs231n）课程主页:此目录下基本足够，了解更多进入上一级目录。推荐notes，知乎有翻译的。

结合课后的assignment，会学到更多，作业很有挑战性，很多细节需要自己推导琢磨，看得懂答案就很不错了，提示：github有很多不错的资源。

b. UFLDL教程

此链接，中英文都有，至于究竟怎么学，自己看着办吧。里面有需要机器学习背景知识的连接，只需要看一部分即可。

开源框架：接触过keras,tensorflow, caffe，随着深入会了解和选择，keras信仰极简主义，个人很欣赏，奈何。。。略

另外：应当有一定的图像处理的常识，你那么聪明，略

够入门的人玩上一两个月了，完。

转载地址：https://blog.csdn.net/xiaojiajia007/article/details/68483415 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！