深度学习自用学习指南【一、入门】

深度学习自用学习指南20210703

入门篇

入门主要包括了解深度学习的基本概念，基本知识，掌握深度学习解决问题的基本思路，以及思考深度学习工具的常用应用领域和潜在应用领域，一般而言，在入门阶段可以掌握以下知识。
1、基础理论，前向传播、反向传播、激活函数、损失函数、梯度下降等基本理论，以及深度学习常见的性能指标；
2、常见模型，包括多层感知机、卷积神经网络、循环神经网络、生成对抗网络的基本理论、基本思想、以及模型结构；
3、熟悉一种深度学习架构，如Pytorch、Tensorflow；
4、配置开发环境，Anaconda、cuda等；
具体而言，推荐入门的教程包括：
1、环境配置方面，推荐看我之前写的博客（https://blog.csdn.net/m0_37929824/article/details/108290118?spm=1001.2014.3001.5501）
2、深度学习基本理论方面，推荐吴恩达深度学习（https://www.bilibili.com/video/BV1FT4y1E74V?from=search&seid=5649054246340226633）、李宏毅 深度学习（https://www.bilibili.com/video/BV1JE411g7XF?from=search&seid=13863843162041762322）；
3、深度学习模型基本结构方面（Pytorch和Tensorflow）代码实现，推荐（https://github.com/rasbt/deeplearning-models）
4、基础知识和整体认识方面，可以看nature论文“Deep learning”（https://www.nature.com/articles/nature14539）

研究领域【待更新】

深度学习常见的研究领域包括：
1、 分类问题
2、 检测问题
3、 时间序列处理问题
4、 图像生成问题
5、 决策问题
6、 多模态信息融合问题
7、 自然语言处理（语音识别、翻译等）

研究前沿【待更新】

1、 小样本学习
2、

一些思考【待更新】

其它

转载请联系作者，未经授权禁止转载