目前深度学习已经如火如荼的发展了一段时间,各类教程也十分丰富。本文是作者在积累了一定学习与工作经验后写下的入门前戏,其目的是为读者在入门深度学习期做一个相对充足的铺垫,能在以后的学习之中更加流畅,也为了给自己知识结构进行一个梳理与差缺补漏。
目录结构
- 系统与平台选择
- Linux在深度学习中基础命令
- 深度学习所需python基础知识
- 深度学习所需主要图像基础知识
- 深度学习所需opencv基础知识
- 如何快速使用爬虫获取数据
- 结论
系统与平台选择
无论之前是否具有基础,或者对windows下编程有多顺溜,在本文中都推荐使用linux进行深度学习的学习。理由如下:
1、配置环境,在linux下环境配置可以通过编写脚本或者运行他人写好的脚本一键配置,linux下对于各种软件的安装、替换更新都比Windows更快捷、方便。
2、文件、文件夹操作,在深度学习工作中,可能常常需要对大量文件以及文件夹进行创建、查找、替换、计算操作,在linux下有丰富的命令可以迅速解决。
3、工作属性,linux对比Windows更像一个工作学习、研究的环境,没有各种游戏、娱乐等软件的打扰,在这个环境下我们学习、工作更容易专注、更有效率。
4、多用户环境,linux可以通过不同的用户或者使用docker在一个操作系统中创建各种独立的环境,在工作中环境的切换十分方便。并且在学习工作中,可以互不打扰的使用同一台机器进行学习、合作。
5、安全与稳定,在linux系统上中毒、死机等问题都十分罕见,由于系统问题导致学习工作被迫停止的可能性十分底,对于win10突然是不是出现的系统崩溃来说,linux的优势十分明显。
长痛不如短痛,痛苦一下,学习linux吧~
Linux在深度学习中基础命令
深度学习主要从了解以下三个命令开始。
1、shell
链接: shell.
2、vim
链接:vim.
3、git
链接:git.
简单了解知道有这个东西,在后续的学习中遇到再回过头学习或者查阅。
深度学习所需python基础知识
对于需要的python基础我们初学者主要关注python的三个方面:
1、基础语法应用(至少学到这个位置为止)。
链接:python
2、Numpy
链接:Numpy
3、Matplotlib
链接:Matplotlib
其他需要进一步了解的是SciPy用于科学计算、Pandas用于数据分析与统计、Flask用于服务端web开发、urllib前端开发;上述东西可以在有这方面学习需求时进行进一步学习。
深度学习所需主要图像基础知识
链接:图像基础知识
深度学习所需opencv基础知识
如何快速使用爬虫获取数据
当我们需要准备自己的数据以及进行自己的研究时,通常要使用自己的数据。获取特定数据可以通过数据公司或者自己动手收集简单的图片爬取我们通常可以直接下载现成的百度或Google的爬虫代码修改后直接使用,因此简单的爬虫知识我们是需要了解的。
链接:python爬虫(百度图片示例)
总结
通过学习以上几点知识,我们在之后的深度学习过程中会更加的清晰明了,对问题的看法也会更加直观,对于很多概念以及代码能有一个大概的了解,因此良好的准备也是让接下学习更加轻松不迷路的必备前戏~