机器学习+Linux学习之路

最近开始学习机器学习,写这篇文章也是为了督促自己不要半途而废。
看了看网上很多的经验贴和豆瓣上的一些评论,整理了一下。
数学基础与编程基础:
* 《统计学习方法》 李航
* 《Deep Learning》前面部分有数学原理推导
* 《机器学习实战》
* Tensorflow官方文档资料+《Tensorflow技术解析和实战》 简单看看
* CS229课程 CS231n课程
* Linux 鸟哥的网站

http://linux.vbird.org/new_linux.php

暂时就想到这么多,如果以后有什么新的内容再修改。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于在Linux上进行机器学习的工作,你有一些不同的选择和工具可以使用。这里我列举几个常见的: 1. Python和相关库:Python是Linux上最常用的编程语言之一,也是机器学习领域的主要语言。你可以使用Python的各种机器学习库,如NumPy、Pandas、Scikit-learn、TensorFlow和PyTorch等,来构建和训练模型。 2. Jupyter Notebook:Jupyter Notebook是一个交互式的笔记本工具,可以在浏览器中编写和运行代码。它非常适合机器学习的实验和可视化,也方便与他人分享代码和结果。 3. GPU加速:如果你的机器学习任务需要大量计算资源,可以考虑使用GPU进行加速。Linux支持各种GPU计算框架,如CUDA和OpenCL,以及相应的深度学习框架。你可以使用NVIDIA的CUDA工具包来配置和管理GPU。 4. Docker容器:使用Docker容器可以帮助你在不同环境之间轻松地部署和运行机器学习项目。你可以创建一个包含所需依赖项和环境设置的Docker镜像,然后在任何支持Docker的Linux主机上运行它。 5. 分布式计算:如果你需要处理大规模数据集或进行分布式训练,可以使用分布式计算框架,如Apache Spark和TensorFlow分布式。这些框架可以帮助你有效地利用多台机器的计算资源。 这些只是一些常见的工具和技术,当然还有很多其他的选择和方法。在Linux上进行机器学习的好处是,你可以自由地定制和配置环境,以满足你的需求。

“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
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