周志华《机器学习》------------------------若是想从基础算法公式开始可以先试着看一下周志华的《机器学习》，由于我对公式推导很头疼，看了几页就跳过了。（在经历了两个月的学习之后，在司师兄和沈师兄的探讨中我觉得基础公式函数似乎对工作有所帮助，我又准备开始看基础公式推导）（后续更新机器学习）。
吴恩达《深度学习》-----------------------吴恩达的课程讲的很基础，但是基础不代表可以看懂，反而越基础的理论函数对我来说更难，但是在最初阶段仍在似懂非懂的情况下坚持了100集左右，这个系列视频每集就几分钟，知识点分布很明确。（一个半月后我返回来将此系列视频中我感兴趣的部分继续看了一部分，大概为后半部门的卷积，检测和注意力部分）
bilibili链接：
[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili
《动手学深度学习-pytorch》---------------------在同门的推荐下开始看这本书，（同门暑假都基本看完了，这时候心里很慌，很想赶上进度，慢慢的发现前期不能过去急于求成，弄清每一个损失函数，优化函数，模型才是重要的），这本书非常有利于深度学习刚入门新手，从最基本的数据操作开始就带你在Jupyter上一步一步实现，个人觉得这种方法非常容易上手并理解。后面的实现卷积神经网络和实战项目完整地从基础到实战。（当时我只看到卷积神经网络，KAGGLE上的项目也没有去做，因为觉得技术还不到位）
pytorch版本的书籍链接（B站上有讲解视频搜-李沐动手学深度学习）：
https://zh-v2.d2l.ai/d2l-zh-pytorch.pdf
廖雪峰《Python教程》---------------------------本科用的是JAVA和稍微一点C++，对python了解甚微，深度学习基本都是python实现的，推荐这门适合新手上手的Python教程，很基础，当然有JAVA基础会更好理解，我大概的看了一遍，在Jupyter上跟着做了一些（我主要想看文件的读写，也就是里面的IO，有所帮助但不多，在实战中遇到的问题还是要CSDN）
教程链接（B站上应该有视频）：
IO编程 - 廖雪峰的官方网站 (liaoxuefeng.com)
BiliBili---刘二大人----------------------------------从此阶段开始就开始了B站学习之路，在沈师兄推荐下，我开始看刘二大人的《PyTorch深度学习实践》，这个合集共有13集，我看到了11集，也就是卷积神经网络，视频从线性模型-梯度下降-反向传播到PyTorch实现线性回归，数据集加载等手把手带你实现一个卷积神经网络的搭建，代码会逐行讲解，思路清晰。这个系列看完之后一个简单的卷积神经网络就出来了！在最后大人还介绍了后续的学习路线基本为：
花书---看PyTorch文档----复现经典工作（经典网络）-----开始找方向------大量读自己方向论文扩展视野（这些我只完成第二个）
BiliBili链接：
BiliBili--李飞飞cs231n课程----------------------在看上述视频过程中也看了很多文章，很多博主提到了这个课程，我是看到cnn，现在对这个视频没什么印象了，不过当时看的时候好像有所收获（弹幕很多人说讲解的李飞飞的学生很帅身材很好-.-）。当然这个视频是英文的中文字幕，B站上北邮有同款的讲解视频，感兴趣的可以看中文版的。我关注的一个B站up主同济子豪兄也讲解了这个系列的视频，有机会我会看一遍。
BiliBili链接：
【公开课】最新斯坦福李飞飞cs231n计算机视觉课程【附中文字幕】_哔哩哔哩_bilibili
BiliBili----同济子豪兄------------------------我关注这个up主是因为我当初在B站搜卷积神经网络讲解视频时看到的，有一个三分钟走进卷积神经网络和大白话讲解卷积神经网络工作原理，被他吸引了，讲的很好。然后开始看他的其他视频，有介绍Jupyter的使用，他自己实现的关键点实时追踪检测我也玩了一下，主要看的是他的《精度AI论文》系列，从AlexNet，LeNet，VGG，到ResNet，GooleNet等论文原文的讲解，不得不说up主对这些论文算得上精读了，基本完全理解作者的意图，我也收获很多在实现模型时不懂的地方，对我影响极大的up主之一。
截止到2022-11-19，看完了同济子豪兄CS231N系列视频。（这一段眼睛不舒服，进度比较慢）
BiliBili链接：
BiliBili----霹雳吧啦Wz----------------------他的名字我总是打错哈哈哈，我从开始跑图像分类的各个模型到现在看的目标检测模型都是从这个牛up主那里取经的，他的视频分为图像分类，目标检测，语义分割，实例分割，关键点检测等，目前为止我看了图像分类（AlexNet，VGG，GooleNet，ResNet，MobileNet，Vision Transformer）这部分，还有一些模型像shuffleNet，swin transformer等暂时没看，感觉暂时够用了。然后中间一段时间看了几篇元学习方向综述（体验一下论文啥感觉）感觉点点都不懂，现在再看up主的目标检测，刚看了Pascal VOC数据集的下载使用和COCO数据集的下载，以及如何构建自己的数据集，跑了一下fast-rcnn模型（感觉以mobilenet为backbone跑的效果没有以resnet-50的效果好）...
BiliBili链接：
CSDN链接：
(7条消息) 太阳花的小绿豆的博客_CSDN博客-深度学习,软件安装,Tensorflow领域博主
GitHub链接：
BiliBili---跟李沐学AI------------------------当初准备看一下他的动手学深度学习的教程视频的，但是一直没时间，同门有看他的论文精读系列讲的还不错，很多论文在Github上有源码。我也准备在一下比如同门在看的对比学习方向跟着读一些论文复现一些代码。
BiliBili链接：
GitHub论文：
GitHub - mli/paper-reading: 深度学习经典、新论文逐段精读
BiliBili---可爱小火炉-----------------------无意中发现的up主，看了卷积神经网络的视频，他的视频一般是上课的时候录得，时间很长一个半小时左右，当初想看一下他后面对图深度学习，自监督学习，元学习等方向的见解，到现在还没看。
BiliBili链接：
Kaggle比赛平台---------------------------Kaggle是我接触的第一个可以提交结果的竞赛性质的平台，听说还有免费的服务器啥的没用过，使用这个平台应该是动手学深度学习里面带着做的一个线性规划的泰坦尼克号预测实例，跑了那个之后很久没用，直到看了各种图片分类卷积网络后想试一下，前后跑了叶片分类，紫薯病分类，cifer-10等项目，都是简单的图片分类问题，（心得：感觉能跑通模型只是完成三节棍的中间一节，在Kaggle这样的平台上面，数据集的下载，数据集的划分，数据集的使用是三节棍的第一节，这里面也会遇到很多问题，测试集的读取，测试集结果的保存是三节棍的最后一节，也会遇到问题）通过一个完整的项目可以学到很多。现在再看目标检测之后也会在上面跑目标检测模型。
kaggle链接（需要先注册，当然需要神奇的网络才能注册，因为验证码弹不出来）：
Kaggle: Your Machine Learning and Data Science Community
cv顶会（ICCV,ECCV,CVPR）-----------计算机视觉的三大顶会。基本CV每个领域的最先进的技术都会在这个上面。
GitHub链接（CVPR各个方面论文分类）：
GitHub - 52CV/CVPR-2022-Papers
深度学习学习路线思维导图链接（转载自DASOU）：
DASOU原创深度学习从零入门思维导图 ProcessOn Mind
paper-with-code 计算机视觉各个方向论文及源码链接：
The latest in Machine Learning | Papers With Code
谷粉学术 可以查各种论文：
此文仅截至到2022-11-5，后续会更新学习历程......
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
