前言
對于深度學習來說，不得不承認其門檻比較高，首先要有python基礎，編程深度學習需要用到python，但不建議把python從頭到尾學一遍，把基礎語法過一遍即可，剩下用到什么就去網上查閱資料，這也是個學習積累的程序；同時也要有數學基礎，要知道梯度、線性、非線性等基礎概念，但不用實際做數學題去計算，只要理解常用概念即可，在深度學習中，這些繁瑣的計算程序是計算機幫我們完成的，我們只需要呼叫具體的函式就可以實作；最后也要有個性能較好的顯卡，雖然在學習程序中用CPU也可以完成訓練，但只是一些簡單案例，一旦訓練真實專案，CPU是吃不消的，所以一個性能高的GPU會幫你節省許多時間，也能幫你完成復雜一些的實際訓練專案，
說到這里是不是感覺想要放棄了，別急，其實深度學習也沒這么難，入門時會非常痛苦，感覺像看天書一樣，根本沒辦法理解，但入門后就會發現，深度學習也是有固定套路的，只要把這些套路學會，剩下的就是自己不斷積累了，我這里是幫大家度過最困難的入門階段，用最通俗易懂的語言，解釋最難理解的概念，話不多說，接下來咱們直奔主題，歡迎進入深度學習的世界~
什么是深度學習
這里我不會用理論概念去解釋，對于入門階段來說，看這些理論概念無非就是讓你看不懂，從而擴大你放棄的想法，開個玩笑，理論概念固然重要，但在實踐中去學習理論概念，印象會更加深刻，
深度學習本質上就是根據大量資料，總結出可用的規律，比如我這里有10張男人照片，10張女人照片，我們把這些照片進行資料處理后，傳到深度學習框架中，讓框架熟悉這些照片的規律，之后我們給框架傳一張人類照片，框架就能幫我們分辨出是男是女，這個程序就是深度學習，當然10張照片肯定是遠遠不夠的，并且利用深度學習能做的事情非常多，不局限于影像分類，這里咱們就是舉例說明，
深度學習分類
深度學習的分類有很多，這里我主要介紹其中比較大的兩個分類，計算機視覺和自然語言處理，
計算機視覺方面，主要用到了NN、CNN等（現在就這么一看，后面會詳細介紹），咱們會介紹影像分類，超解析度重構等，
自然語言處理方面，主要用到了RNN、LSTM等（現在就這么一看，后面會詳細介紹），咱們會介紹語意分析等，
深度學習框架
這里先給大家看下目前主流的深度學習框架，
這里看到非常非常多的框架，我們都要去學習嗎？答案肯定是不，框架只是我們做事情的工具，而這些工具大同小異，所以我們只需要掌握最主流的框架即可，目前這些框架中，最為主流的框架是TensorFlow和Pytorch，那這兩個框架如何選擇呢，下面我們來看一個圖：
PyTorch可以說是現階段主流的深度學習框架了，武林盟主之爭大概是這個歷史，15年底之前Caffe是老大哥，隨著Tensorflow的誕生，霸占江湖數載，19年起無論從學術界還是工程界PyTorch已經霸占了半壁江山！所以我們主要介紹PyTorch這個框架，
綜述
看到這里是不是對深度學習有了大致的了解，
想要學習深度學習，首先要把需要的開發環境安裝好，下面一節將會詳細介紹，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/29644.html
標籤：其他
上一篇：排障集合——Nginx和Apache設定系統服務systemctl start時報錯，Job for nginx.service failed because the control process
下一篇：局域網、廣域網和因特網