深度学习入门笔记（3）——编译深度学习需要什么基础？

深度学习入门笔记（3）——编译深度学习需要什么基础？（持续更新）

首先，博主必须承认一点，没有任何基础直接接触深度学习是不现实的，在本章，博主将简单列举一些深度学习的基础知识，不足之处还请批评指正！

高数基础

1、微分、积分，主要是求导和偏导数
2、梯度运算
3、熵运算

**建议：最好可以学习一遍高数，推荐武忠祥老师的教辅及讲课视频

线代基础

1、矩阵乘法运算
2、转置矩阵

**建议：对线代知识涉及并不多，推荐根据需求自学

概率基础

1、各种估计

**建议：概率是一门较为抽象的学科，会的是真厉害，不会的是真不行，建议动手做一些有关习题

指标基础

1、基于混淆矩阵的指标估计

**建议：一定要认真去看混淆矩阵的有关知识，在许多领域，混淆矩阵作为指标估计的一种手段，是我们绕不开的话题

编译基础

1、能够进行简单的python编译
2、熟悉不同数据类型差异和之间的转换方式
3、熟悉基本的图像处理的算子模板

**建议：一定要有一定的编译基础再去考虑深度学习，切不可心急，按照博主经验，开始多强烈，放弃就有多快

机器学习基础

1、最好能够自行实现一些基本的算法，csdn上也有很多实现的文章，可以多看看，肯定会有所收获！

最后

欢迎大家留言讨论！欢迎大家留言讨论！欢迎大家留言讨论！