最新计算机视觉学习路线教程

这篇文章主要是基于我自己的经验，侧重于计算机视觉学习资源的介绍，如果大家按照这个路线去学，相信这将在很大程度上促进提高你的计算机视觉知识水平。

在开始学习计算机视觉之前，我们先来了解有关机器学习和python基础知识。

框架（Frameworks）

虽然你不必从一开始就去考虑选择何种框架，但是实践应用新的知识是必要的。

对应框架并没有太多选择，主要为：pytorch或keras（TensorFlow）。Pytorch可能需要编写更多代码，但在返回方面具有很大的灵活性，因此我们可以先学习如何使用pytorch。此外，大多数深度学习研究人员也普遍使用pytoch。

Albumentation (图像增强库)和 catalyst (框架，pytorch顶部的高级API)在我们学习计算机视觉的过长中也是很常用的工具，我们也可以先学习和使用它们，尤其是第一个。

硬件

• Nvidia GPU 10xx +：（$ 300 +）
• Kaggle内核（免费） ：每周仅30个小时 （https://www.kaggle.com/kernels）
• Google Colab（免费）：12小时的会话限制，每周限制的使用时长不定 （https://colab.research.google.com/notebooks/intro.ipynb#recent=true）

理论与实践

在线课程

• CS231n是非常好的在线教学课程，涵盖了计算机视觉的所有必要基础，是YouTube的在线视频。这门课程还包含了课后练习，对于新手来说，可以先不用完成练习。（免费）
  • http://cs231n.stanford.edu/
• Fast.ai是我们应该学习