深度学习进阶之路（图像处理）

1 热身

• 《机器学习工程师》微专业 体验课(第三章就好)
• 神经网络基础—莫凡 (看: 神经网络,神经网络技巧两部分)

备注：这一部分粗略看就好，不要拘泥细节。大概了解概念就好，有个感性认识。

2 理论

2.1 机器学习

• 台湾大学林轩田《机器学习基石》与《机器学习技巧》，重数学理论推导。机器学习是基础，强烈推荐先看这门课，全部看完，做好笔记。

2.2 深度学习

• 台湾大学李宏毅视频教程，口语话，形象生动。网址
• 斯坦福大学 吴恩达”机器学习”课程,全部学习,但并非每个知识点都要很透彻知道。不要卡在某个知识点不动，不懂的话就百度。再不懂也要看下去。全部学习完。
• 莫凡 有趣的机器学习 全部看完。目的是比较全面了解机器学习，深度学习的内容。
• 莫凡 TensorFlow 主要学一些用TensorFlow写的机器学习小例程
• 深度学习基础课程，了解深度学习基础内容
• 吴恩达 深度学习工程师，全部看完，全面深入了解卷积神经网络（对于反向传播部分，不用自己实际写代码，原理大概懂就好）。主要是看1到4章，这是关于图像的。第五章是关于语音的。
• 李沐的动手学深度学习，强烈建议看完

备注：这一部分的重点是“1”和“5”，也就是吴恩达的两个视频。其他是作为辅助的。“1”要学的是机器学习这个大范围。“5”学的是卷积神经网络这个小范围。

2.3 图像处理

• 数字图像处理， 先看到的第二讲就好，有需要以后再往下看（对数字图像有个了解）
• 斯坦福CS231n李飞飞计算机视觉，了解卷积神经网络与计算机视觉的关系。

备注：主要是“2”，重要，看到26课时就差不多了。

3 实操

3.1 深度学习框架

• pytorch教程，pytorch在学术上和工业上应用都很广泛
• Caffe教程，caffe是实现卷积神经网络的很重要的包，工业上常用。
• darknet，darknet是yolo的原始框架，工业上应用很广泛

3.2 编程语言

视觉工程师，python和C++是必备的。

• 2017 最新Python基础教程
• c++

致谢
谢谢本文所引用到的视频/文本等资料的老师，谢谢给我支持的各位同学。希望对大家有所帮助。