深度学习研究2019.4.26 Colab / 两个视频教程 / 整理学习资源

1. Colab更新了, Colab 现在确实使用的是 Tesla T4 GPU，而且显存也达到了 16 GB. 使用Colab作为学习深度学习的服务端. https://www.toutiao.com/a6683691316997521924/

 

2. 购买了两个视频教程:

     1.  中文自然语言处理入门 https://gitbook.cn/gitchat/column/5b10b073aafe4e5a7516708b

      快速介绍: https://blog.csdn.net/valada/article/details/80892583

       课程设置如下 :  

       

      2.  AI 图像识别项目从入门到上线  https://gitbook.cn/gitchat/column/5b1f709a472e0a7085638f9b

这门课有教如何用小程序作为前端来实现深度学习图像处理的服务。正是我需要的.

 

本课程系列文章具有很强的工程性质，同时内容追求循序渐进，建议从头开始学习。

• 第 01~02 课，将讲述如何调研一个项目，如何获取数据与整理数据。
• 第 03~05 课，将介绍 Linux、图像、Python 等开源包，以及神经网络的基础知识，为接下来的项目做准备。
• 第 06~08 课，将介绍目前 3 大用户量最大的深度学习开源平台，将讲述准备数据、定义网络、训练模型、使用模型测试自己的图片的整个流程。
• 第 09~11 课，将集中讲解如何训练模型并进行迭代优化。
• 第 12~14 课，我们将把训练出来的模型部署到微信小程序上，同时介绍小程序的前、后端的基础技术。

 

3.  AllenNLP , Transformer, BERT 这几个模型要记住。有机会学习。

     查看一点点citespace的头条号，把一些有用的知识学习过来.

 

 

4. 整理好基础学习的资源:

1. 学习numpy, pandas, matplotlib, sklearn 这几个包，使用 <Python数据科学手册>和<利用Python进行数据分析> 这两本书
2. 学习keras, 使用<Python深度学习>这本书
3. 学习tensorflow, 看官方的中文文档，并结合<TensorFlow_实战Google深度学习框架_第2版>.
4. 待续.....