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!