2020-05-29 09:17发布
01
高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡。
显卡核心的参数就是显存，因为大部分模型是在GPU上完成训练，所以这个显存当然是越大越好。
对于前期的学习，4G足够了！因为目前大部分模型任务，不管是验证还是训练，各类框架下4G用起来没问题。
02
高配的电脑
此处，我不会推荐任何品牌的电脑设备，但是对于初学、转行、入门的同学来说，最好还是选择笔记本，主要就是用起来方便。
至于品牌和价格，大家可以自己比较，苹果本可以吗？当然可以，但可能不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03
移动硬盘
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。
可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。
04
系统的选择
对于想深挖深度学习领域的同学，我建议还是直接使用Ubuntu系统。MacOS也不是不行，但是装起库来还是Ubuntu更方便。
但是如果你仅仅是想学学看，可以继续使用Windows，只不过是有些操作会麻烦一些，但还好的是并不会影响到你的学习进度。
05
一个学习小组
深度学习学习的复杂程度，要比学习前端、php等编程语言复杂的多。
如果你在学习中遇到一些困难，很多时候遇到问题并不是一个人就能搞定的，最好有一个学习小组，一起交流、探讨。如果还不行，就需要专业的导师为你进行指导。
06
实战项目
仅仅靠学习理论知识，而不进行实操训练，永远写不出漂亮的代码。
所以你需要实战项目巩固基础，不断进行练习。而实际项目中的问题要比一个简单的测试demo要更加复杂，同时也能独立思考学到更多有价值的东西。
做项目常用的三个方式
1、去企业实习，做实战项目，可以有人带。但是从2019年秋招的困难程度来看，没有基础去面试深度学习实习岗，基本是不可能通过的。
2、去网上找一些开源的深度学习项目。目前网上这样的项目还是挺多的，但是对于没有基础的人自己独立完成，还是比较有困难的。
3、认真反复实操课程中的一些项目，进行刻意练习的训练，对于其中的知识点形成肌肉记忆。
07
编程基础与数学基础
一定要有python基础，若是没有的话，建议学习一些python基础的课程。
对于大部分工程师而言，不会用到特别深奥的数学基础，但是基本的概率论、线性代数、基础统计学知识还是要有的。
08
学习路径
具体你需要经历以下几个步骤：
· 深度学习整体概述：了解深度学习的前世今生、为什么会爆发深度学习热潮？代表的技术有哪些，涉及到什么样的领域、产品、公司，以及各行各业中的应用；
· 深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；
· 深度学习核心知识：神经网络、深度网络结构、图像任务、语音任务、自然语言任务；
· 深度学习进阶知识：如何使用深度学习框架，完成网络的搭建、训练。
u就业最近朋友们都在那培训，推荐
01 高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡了，
但是对于个人开发者来说，必须在显存和经济能力之间取得平衡。
02 高配的电脑
至于品牌，大家可以自己比较，苹果本可以吗？当然可以，但是不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03 移动硬盘
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。 至于为何是固态硬盘，当然就是相对于传统的机械硬盘存储数据要快了。04 系统的选择对于想深挖深度学习领域的同学，我建议还是直接使用Ubuntu系统。MacOS也不是不行，但是装起库来还是Ubuntu更方便。 但是如果你仅仅是想学学看，可以继续使用Windows，只不过是有些操作会麻烦一些，但还好的是并不会影响到你的学习进度。05 实战项目仅仅靠学习理论知识，而不进行实操训练，永远写不出漂亮的代码。 所以你需要实战项目巩固基础，提炼细节，而且实际问题往往更加复杂和综合，比做个简单的demo学习到的东西要多很多。 做项目常用的三个方式1、去企业实习，做实战项目，可以有人带。但是从2019年秋招的困难程度来看，没有基础去面试深度学习实习岗，基本是不可能通过的。 2、去网上找一些开源的深度学习项目。目前网上这样的项目还是挺多的，但是对于没有基础的人自己独立完成，还是比较有困难的。 3、认真反复实操课程中的一些项目，进行刻意练习的训练，对于其中的知识点形成肌肉记忆。06 学习路径具体你需要经历以下几个步骤：· 深度学习整体概述：了解深度学习的前世今生、为什么会爆发深度学习热潮？代表的技术有哪些，涉及到什么样的领域、产品、公司，以及各行各业中的应用；· 深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；· 深度学习核心知识：神经网络、深度网络结构、图像任务、语音任务、自然语言任务；· 深度学习进阶知识：如何使用深度学习框架，完成网络的搭建、训练。
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。
至于为何是固态硬盘，当然就是相对于传统的机械硬盘存储数据要快了。
04 系统的选择
就业面广不广主要看深度学习的应用程度：其实咱们的实际生活中已经有很多应用深度学习技术的案例了。比如电商行业，在浏览淘宝时，页面中有很多都是符合你的爱好并且最近有意向购买的商品，这种个性化推荐中就涉及到深度学习技术，还有就是在购物界面能和你进...
深度学习是相对比较专业的一种描述，在生活中更多的场景下被直接称为了人工智能(当然在技术领域人工智能和深度学习的范畴是有差异的)，从国家政策到产业驱动，已经凸显了它的一个发展趋势政策加码支持撬动万亿蓝海 2018世界人工智能大会将以人工智能赋能新...
以后都是智能化社会，学好这些技术，找工作高薪就业没问题的
人们的生活变得越来越便利，未来都是人工智能的天下了~
作为一种人工智能的AlphaGo，和IBM在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机，以及当代的苹果Siri、GoogleNow有着显著的区别。 要了解AlphaGo，首先我们需要了解AlphaGo背后到底是一个什么东西。 它背后是一套神经网络系统，由Google2...
深度学习主要应用于图像识别、语音识别、自然语言处理等领域。学完可以从事深度学习工程师、机器学习工程师、人工智能工程师、高级算法工程师、高级算法工程师 AI研发工程师、AI架构师等，课程是与中科院合作的，整个行业发展前景还是不错的。...
目前，深度学习在图像、语音、自然语言处理都取得了重大突破。深度学习（卷积神经网络）最初是为解决图像识别问题而提出的。目前深度学习在图像识别中的应用主要集中于图像分类、目标检测、图像分割等领域。图像分类图片分类的任务是对于一个给定的图片，预测...
生成对抗网络（Generative Adversarial Nets）是Ian Goodfellow 等人2014年的论文《Generative Adversarial Nets》中提出，它是非监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。 CANs都是在机器创造性思维方面在艺术方面的...
深度学习(Deep Learning)源于人工神经网络的研究，是机器学习的一个分支。深度学习主要依赖于深度神经元网络，这种神经网络类似于人类的大脑，其学习过程也与人类十分相似。基本上，你输入海量的数据给它以后，它就会通过训练，学习到海量数据的特征。举例来...
python。python是人工智能的首选语言，功能强大，可以实先快速开发，在大数据和人工智能领域都可以运用，并且python是深度学习课程的基础。
建议先学下高级编程语言语言比如Python作为编程基础，然后再学习深度学习相关知识。
现在已经有很多人作了关于深度学习以及其如何重要的讲座，我非常同意他们的看法。工作在深度学习这个领域是让我觉得最接近魔法师的事，我觉得未来三年内很多软件的重要部分都会由深度学习推动前行。不过，现在好像深度学习还非主流，因此我想分享些优秀的开发...
深度学习新星：GAN的基本原理、应用和走向 https://www.cnblogs.com/DicksonJYL/p/9617443.html 相关参考：【OpenAI】GenerativeModels 【搜狐科技】GAN之父NIPS2016演讲现场直击：全方位解读生成对抗网络的原理及未来 【pdf】：http://www.ia...
主要做了基于深度学习的图像识别与检测的研究，下面是一些整理内容1、深度学习的优势（1）从统计，计算的角度看，DL特别适合处理大数据 a、用较为复杂的模型降低模型偏差 b、用大数据提升统计估计的准确度 c、用可扩展的梯度下降算法...
深度学习技术在电商行业、交通领域、工业、金融行业、教育行业、医疗行业应用都比较成熟了。金融行业，银行通过深度学习技术能对数以百万的消费者数据（年龄，职业，婚姻状况等）、金融借款和保险情况（是否有违约记录，还款时间，车辆事故记录等）进行分析进...
最多设置5个标签!
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1515056452',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','/static/images/logo.png', '推荐 猜不到结尾 的问题《深度学习需要准备什么吗？》','http://www.shouhuola.com/q-15567.html','页面编码gb2312|utf-8默认gb2312'));){kind=link}
01
高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡。
显卡核心的参数就是显存，因为大部分模型是在GPU上完成训练，所以这个显存当然是越大越好。
对于前期的学习，4G足够了！因为目前大部分模型任务，不管是验证还是训练，各类框架下4G用起来没问题。
02
高配的电脑
此处，我不会推荐任何品牌的电脑设备，但是对于初学、转行、入门的同学来说，最好还是选择笔记本，主要就是用起来方便。
至于品牌和价格，大家可以自己比较，苹果本可以吗？当然可以，但可能不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03
移动硬盘
01
高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡。
显卡核心的参数就是显存，因为大部分模型是在GPU上完成训练，所以这个显存当然是越大越好。
对于前期的学习，4G足够了！因为目前大部分模型任务，不管是验证还是训练，各类框架下4G用起来没问题。
02
高配的电脑
此处，我不会推荐任何品牌的电脑设备，但是对于初学、转行、入门的同学来说，最好还是选择笔记本，主要就是用起来方便。
至于品牌和价格，大家可以自己比较，苹果本可以吗？当然可以，但可能不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03
移动硬盘
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。
可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。
04
系统的选择
对于想深挖深度学习领域的同学，我建议还是直接使用Ubuntu系统。MacOS也不是不行，但是装起库来还是Ubuntu更方便。
但是如果你仅仅是想学学看，可以继续使用Windows，只不过是有些操作会麻烦一些，但还好的是并不会影响到你的学习进度。
05
一个学习小组
深度学习学习的复杂程度，要比学习前端、php等编程语言复杂的多。
如果你在学习中遇到一些困难，很多时候遇到问题并不是一个人就能搞定的，最好有一个学习小组，一起交流、探讨。如果还不行，就需要专业的导师为你进行指导。
06
实战项目
仅仅靠学习理论知识，而不进行实操训练，永远写不出漂亮的代码。
所以你需要实战项目巩固基础，不断进行练习。而实际项目中的问题要比一个简单的测试demo要更加复杂，同时也能独立思考学到更多有价值的东西。
做项目常用的三个方式
1、去企业实习，做实战项目，可以有人带。但是从2019年秋招的困难程度来看，没有基础去面试深度学习实习岗，基本是不可能通过的。
2、去网上找一些开源的深度学习项目。目前网上这样的项目还是挺多的，但是对于没有基础的人自己独立完成，还是比较有困难的。
3、认真反复实操课程中的一些项目，进行刻意练习的训练，对于其中的知识点形成肌肉记忆。
07
编程基础与数学基础
一定要有python基础，若是没有的话，建议学习一些python基础的课程。
对于大部分工程师而言，不会用到特别深奥的数学基础，但是基本的概率论、线性代数、基础统计学知识还是要有的。
08
学习路径
具体你需要经历以下几个步骤：
· 深度学习整体概述：了解深度学习的前世今生、为什么会爆发深度学习热潮？代表的技术有哪些，涉及到什么样的领域、产品、公司，以及各行各业中的应用；
· 深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；
· 深度学习核心知识：神经网络、深度网络结构、图像任务、语音任务、自然语言任务；
· 深度学习进阶知识：如何使用深度学习框架，完成网络的搭建、训练。
u就业最近朋友们都在那培训，推荐
01 高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡了，
显卡核心的参数就是显存，因为大部分模型是在GPU上完成训练，所以这个显存当然是越大越好。
但是对于个人开发者来说，必须在显存和经济能力之间取得平衡。
对于前期的学习，4G足够了！因为目前大部分模型任务，不管是验证还是训练，各类框架下4G用起来没问题。
02 高配的电脑
此处，我不会推荐任何品牌的电脑设备，但是对于初学、转行、入门的同学来说，最好还是选择笔记本，主要就是用起来方便。
至于品牌，大家可以自己比较，苹果本可以吗？当然可以，但是不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03 移动硬盘
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。
至于为何是固态硬盘，当然就是相对于传统的机械硬盘存储数据要快了。
04 系统的选择
对于想深挖深度学习领域的同学，我建议还是直接使用Ubuntu系统。MacOS也不是不行，但是装起库来还是Ubuntu更方便。
但是如果你仅仅是想学学看，可以继续使用Windows，只不过是有些操作会麻烦一些，但还好的是并不会影响到你的学习进度。
相关问题推荐
就业面广不广主要看深度学习的应用程度：其实咱们的实际生活中已经有很多应用深度学习技术的案例了。比如电商行业，在浏览淘宝时，页面中有很多都是符合你的爱好并且最近有意向购买的商品，这种个性化推荐中就涉及到深度学习技术，还有就是在购物界面能和你进...
深度学习是相对比较专业的一种描述，在生活中更多的场景下被直接称为了人工智能(当然在技术领域人工智能和深度学习的范畴是有差异的)，从国家政策到产业驱动，已经凸显了它的一个发展趋势政策加码支持撬动万亿蓝海 2018世界人工智能大会将以人工智能赋能新...
以后都是智能化社会，学好这些技术，找工作高薪就业没问题的
人们的生活变得越来越便利，未来都是人工智能的天下了~
作为一种人工智能的AlphaGo，和IBM在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机，以及当代的苹果Siri、GoogleNow有着显著的区别。 要了解AlphaGo，首先我们需要了解AlphaGo背后到底是一个什么东西。 它背后是一套神经网络系统，由Google2...
深度学习主要应用于图像识别、语音识别、自然语言处理等领域。学完可以从事深度学习工程师、机器学习工程师、人工智能工程师、高级算法工程师、高级算法工程师 AI研发工程师、AI架构师等，课程是与中科院合作的，整个行业发展前景还是不错的。...
目前，深度学习在图像、语音、自然语言处理都取得了重大突破。深度学习（卷积神经网络）最初是为解决图像识别问题而提出的。目前深度学习在图像识别中的应用主要集中于图像分类、目标检测、图像分割等领域。图像分类图片分类的任务是对于一个给定的图片，预测...
生成对抗网络（Generative Adversarial Nets）是Ian Goodfellow 等人2014年的论文《Generative Adversarial Nets》中提出，它是非监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。 CANs都是在机器创造性思维方面在艺术方面的...
深度学习(Deep Learning)源于人工神经网络的研究，是机器学习的一个分支。深度学习主要依赖于深度神经元网络，这种神经网络类似于人类的大脑，其学习过程也与人类十分相似。基本上，你输入海量的数据给它以后，它就会通过训练，学习到海量数据的特征。举例来...
python。python是人工智能的首选语言，功能强大，可以实先快速开发，在大数据和人工智能领域都可以运用，并且python是深度学习课程的基础。
建议先学下高级编程语言语言比如Python作为编程基础，然后再学习深度学习相关知识。
现在已经有很多人作了关于深度学习以及其如何重要的讲座，我非常同意他们的看法。工作在深度学习这个领域是让我觉得最接近魔法师的事，我觉得未来三年内很多软件的重要部分都会由深度学习推动前行。不过，现在好像深度学习还非主流，因此我想分享些优秀的开发...
深度学习新星：GAN的基本原理、应用和走向 https://www.cnblogs.com/DicksonJYL/p/9617443.html 相关参考：【OpenAI】GenerativeModels 【搜狐科技】GAN之父NIPS2016演讲现场直击：全方位解读生成对抗网络的原理及未来 【pdf】：http://www.ia...
主要做了基于深度学习的图像识别与检测的研究，下面是一些整理内容1、深度学习的优势（1）从统计，计算的角度看，DL特别适合处理大数据 a、用较为复杂的模型降低模型偏差 b、用大数据提升统计估计的准确度 c、用可扩展的梯度下降算法...
深度学习技术在电商行业、交通领域、工业、金融行业、教育行业、医疗行业应用都比较成熟了。金融行业，银行通过深度学习技术能对数以百万的消费者数据（年龄，职业，婚姻状况等）、金融借款和保险情况（是否有违约记录，还款时间，车辆事故记录等）进行分析进...