Python深度学习入门学习路线(简单速成不掉头发)

本文Python深度学习入门学习路线为笔者根据自身学习经验整理所得,转载请注明出处、作者。

笔者全身心致力于白嫖学习路线,全程不掏一分钱。

学习路线

注:以下步骤为顺序递进关系,前面的学好之后,后面的学起来会更为轻松。

1.深度学习理论

(可以先不学,对入门者很不友好,没必要死啃,等学会撸代码搭网络之后再补也不迟)

推荐教程:
吴恩达深度学习理论视频https://www.bilibili.com/video/BV164411b7dx?from=search&seid=17220854142821729200

推荐书籍:
周志华的西瓜书或其他关于深度学习的书都行,最好是有代码的,边看边敲会大有裨益。

2.Python深度学习路线

Python因为很多现成的封装的函数库以及深度学习框架,上手比其他语言简单很多,十分适合新手入门深度学习。以笔者自身的学习经验来看,Python深度学习主要需要学习Python自身基础语法、numpy、plt(画图工具)、pandas(读表及数据分析神器)、sklearn(机器学习算法库)、Tensorflow2.0(深度学习框架)、pytorch(深度学习框架)、opencv-python。

下面逐一介绍学习路线:

2.0 Python基础
Python对于入门来说,只需要掌握基本语法即可,可以看看B站上的一些速成教程,学到定义类class即可。
推荐教程:https://www.bilibili.com/video/BV1s4411C7Jn?from=search&seid=11622688006382587590

2.1 numpy、plt、pandas
numpy、plt、pandas作为深度学习的辅助工具库,并不需要学得很深入,只要掌握笔者之前博客中的内容即可。
numpy: https://blog.csdn.net/weixin_44414948/article/details/109702047
plt: https://blog.csdn.net/weixin_44414948/article/details/109703153
pandas:https://blog.csdn.net/weixin_44414948/article/details/109702715

2.2 sklearn
sklearn是一个API相对封装较好的机器学习框架,作为深度学习入门,只需掌握线性回归、逻辑回归、SVM即可,其它用的不多。
推荐教程:https://www.bilibili.com/video/BV1nt411r7tj

2.3 TensorFlow和pytorch
1)Tensorflow1.X语法繁琐复杂,各版本之间兼容性极差,相差一个小版本写的代码就极有可能无法运行,在tf2.0以后版本API偏向Keras风格,更易使用,且兼容性问题有所改善。

针对Tensorflow2.0,笔者建议先学习其Tensor数据类型的各项操作,具体可以参考之前的博客:https://blog.csdn.net/weixin_44414948/article/details/109703627

在了解Tensor操作之后,可以尝试在一些简单的数据集(如Mnist)上搭建一些经典的网络,如VGG、ResNet、Inception等,巩固之前学习的各种工具以及理论知识,具体可以参考笔者之前的博客:
a. Mnist-VGG:https://blog.csdn.net/weixin_44414948/article/details/109704219
b. Mnist-ResNet:
https://blog.csdn.net/weixin_44414948/article/details/109704451
c. Mnist-Inception:
https://blog.csdn.net/weixin_44414948/article/details/109704626

另外学有余力的看官可以看看tf2.0的使用手册,极力推荐:
https://blog.csdn.net/qq_31456593/article/details/88377194

2)pytorch与Tensorflow2.0风格极其相似,API差不多就是函数名不一样,基本学会其中之一,另一个也能很快上手。pytorch学习路线与Tensorflow2.0一样。(注:pytorch版本兼容性问题几乎没有,推荐使用)

因为pytorch的视频教程较少,就不做推荐了,下面是GitHub大佬的pytorch中文手册,极力推荐:
https://github.com/zergtant/pytorch-handbook

注:附赠一个GitHub找开想要源项目的方法,干货,十分实用。
https://blog.csdn.net/weixin_44414948/article/details/109538041

以下给课题组师弟师妹练手用的demo作业,各位同学也可以尝试写一下。

深度学习入门之一阶段小demo练习(持续更新系列)
https://blog.csdn.net/weixin_44414948/article/details/109864551

深度学习入门之二阶段小demo练习(持续更新系列)
https://blog.csdn.net/weixin_44414948/article/details/110673660

  • 68
    点赞
  • 443
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
对于想要深入学习Python并涉及深度学习的人来说,以下是一个可能的学习路线: 1. 首先,你需要先学好Python的基础知识,掌握Python的语法、数据类型、函数等基本概念和操作。可以参考和中提到的学习方法和资源。 2. 接下来,你可以开始学习Python的科学计算库,如NumPy、Pandas和Matplotlib,这些库在进行深度学习时非常有用。你可以利用它们进行数据处理、数据分析和可视化。同时,你还可以了解一些基本的机器学习深度学习的概念和算法。 3. 了解深度学习的基本原理和常见的深度学习模型,如神经网络、卷积神经网络和循环神经网络。可以通过阅读相关的书籍、在线教程和学术论文来深入学习这些内容。 4. 学习使用Python深度学习库,如TensorFlow、PyTorch或Keras。这些库提供了丰富的工具和接口,可以帮助你构建和训练深度学习模型。可以参考官方文档和在线教程来学习如何使用这些库。 5. 参与实际的深度学习项目,通过实践来巩固所学的知识。可以尝试解决一些经典的深度学习问题或者参加一些开源项目。 6. 不断学习和保持更新,深度学习是一个快速发展的领域,新的模型和算法不断涌现。可以通过阅读最新的研究论文和参加相关的研讨会和会议来跟踪最新的进展。 总之,深度学习学习路线需要结合自己的兴趣和实际需求来设计。通过系统学习Python的基础知识,掌握科学计算库和深度学习库的使用,参与实际项目,并不断学习和保持更新,你将能够建立起扎实的深度学习基础。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [一文讲清Python的7大学习路线(建议收藏)](https://blog.csdn.net/python_9988/article/details/120207151)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值