【霏艺所思】深度学习的建议

看标题还以为是deep learning...

建议1. 你需要一台电脑
我是不信在手机上，看几个公众号就能学会的，麻烦买台电脑开始学习吧！
这里有个误区，很多人买电脑，都买很贵。动不动就买1080Ti，甚至2080Ti，等等~
实际上，你们作为初学者，不需要那么好的电脑，相反，你们买这么贵的电脑很浪费钱
初学者，是用不到cuda的，等你们需要使用cuda的时候，显卡早换代了
初学者，应该花时间学习算法基础，编程实现，而不是浪费时间搭环境【买来除了跑分，好像也没有什么用】
我的建议，台式电脑，自己组装【1000左右就可以了】
等你们觉得自己水平上去了，可以根据自己的需要去买更贵的电脑

建议2. 你需要一个开发环境
我不建议，一开始就学习tensorflow或者pytorch，还有keras
我觉得，初学者，应该从基本功开始，也就是matlab
初学者，不应该好高骛远，matlab是我觉得更适合的选择
那些，上来就是python的课程，我觉得不是很友好，
相反，我觉得从matlab开始教起的课程更符合初学者
matlab，jupyter这些都长得很像，就说明问题了
等掌握了基本算法和原理以后，我觉得可以开始学习pytorch

建议3. 你需要一个学习课程
学习课程，我觉得很多人有个误区，就是数学要很好。答案是错误的！
我觉得大陆的大学课程【大一好好学习】，足矣！
你是来学习深度学习的，不是来做数学研究的。
你保证自己大一数学可以考到及格就可以了。。。
学习课程，我推荐UFLDL 地址： http://ufldl.stanford.edu/tutorial/
我不推荐学习中文教材，因为最后你还是得看英语资料。。。躲不过去的
还不如一开始就学习英文材料呢

建议4. 你需要一个练手项目
按理说，你们老老实实学习了UFLDL的课程，基本就是入门了。
学而不思则罔，思而不学则殆。
纸上得来终觉浅，绝知此事要躬行。
开始实战吧~
kaggle上面【https://www.kaggle.com/】，挑些demo级别的东西，自己尝试着做一下！
别怕，都是这么过来的。。。

建议5. 你需要多读论文，或者别人的代码
上面的路都走完了，就可以开始继续深造了
看别的论文呗，GitHub上搜索论文实现，继续学习呗
反正这个领域，我觉得淘汰速度很慢
【相对前端，经常出vue，react，deno，typescript等等】
整个AI领域，我觉得算法层面基本没有前进一步
就像搭积木，更多是看看怎么搭积木合理
我感觉论文就是两个方向
1. 模型，以及深度【深度残差网络，自注意力。。。】
2. 训练，以及优化器【总是在找loss的组合，MSE，交叉熵各种组合罢了。Adam，sgd亦或者变形】
我觉得万变不离其宗，前面的基本功会了，后面的论文就是搭积木一样理解了
网络的模型再深，也只是前面组件的组合。论文更多阐述了为什么这么组合罢了。
训练的loss函数再复杂，也就是基本的loss的组合而已，优化器，万年不变。。。无脑sgd或者adam
其他的什么权重初始化，归一化。。。我感觉都是细节。。基本功罢了

对了
关于 增强学习【或者翻译 强化学习】
可以看看 OpenAI 的baselines

个人的分类
趴都不会 ： 从 UFLDL 课程学起吧， 1000左右的电脑够用了
会趴：       看UFLDL课程已经觉得都会了，matlab能编程完成作业
会走：       可以看论文，自己用tensorflow等开源项目实现【简单版本】
会跑：       已经开始需要用cuda了，电脑2万起步吧
会飞：       已经开始考虑到GPU的显存不足，开始使用nvlink来显卡并联，通过MPI，ZMQ等方式做到分布式计算，会去了解QPI 等等。。。这个烧钱就不是个人能承担的了。。。

自己对号入座吧。。。
我建议，UFLDL能看懂就够了，不要进一步去学习数学，否则就陷进去，出不来了！！！
数学学到什么深度，是一个度，你把握不好会有问题
有些人，太过放松对数学的理解，导致学习后面的算法，不知道公式在干嘛
有些人，太过执着于数学的理解，导致浪费了很多时间，其实不需要的
这个度，我没法解释，就是看你们自己的理解了

请问怎么收藏文章？

墙内链接，慎点
https://zhuanlan.zhihu.com/p/25742261

我觉得这篇文章很好
特别适合初学者【进入 我说的会走阶段】

切记：【会走】是投简历的门槛
也就是能看懂论文，自己编程实现，是从事这个行业的门槛
【会趴】是没用的。。。

倒是有数据清洗，调参，等等工作，不过，也得你具备门槛条件