介紹

深度學習目前已經成為了人工智能領域的突出話題。它在“計算機視覺”和游戲（AlphaGo）等領域的突出表現而聞名，甚至超越了人類的能力。近幾年對深度學習的關注度也在不斷上升，這里有一個調查結果可以參考。

這里有一個 Google 的搜索趨勢圖：

如果你對這個話題感興趣，這里有一個很好的非技術性的介紹。如果你有興趣了解最近的趨勢，那么這里有一個很好的匯總。

在這篇文章中，我們的目標是為所有深度學習的人提供一條學習之路，同時也是為想要進一步學習的人提供一條探索的路徑。如果你準備好了，那么讓我們開始吧！

步驟0：先決條件

建議在學習深度學習之前，你應該先了解一些機器學習的基礎知識。這篇文章列出了完整的學習機器學習的資源。

如果你想要一個簡單的學習版本。那么可以看下面的列表：

數學基礎（特別是微積分，概率和線性代數）

Python 基礎

統計學基礎

機器學習基礎

建議時間：2-6個月

步驟1：機器配置

在進行下一步學習之前，你應該確保你有一個支持你學習的硬件環境。一般建議你至少擁有以下硬件：

一個足夠好的 GPU（4+ GB），最好是 Nvidia

一個還可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不適合）

4 GB RAM（這個取決于數據集大小）

如果你還不確定，那么請閱讀這個硬件指南。

備注：如果你是一個硬件玩家，那么你可能已經擁有了所需的硬件。

如果你沒有所需的規格，那么你可以租一個云平臺來學習，比如 Amazon Web Service（AWS）。這是使用 AWS 進行深度學習的良好指南。

備注：在這個階段不要安裝任何深度學習的庫，安裝過程我們會在步驟 3 中介紹。

步驟2：初試深度學習

現在，你已經對這個領域有了一個初步的認識，那么你應該進一步深入了解深度學習。

根據自己的偏好，我們可以選擇以下幾個途徑：

通過博客學習，比如 Fundamentals of Deep Learning ，Hacker’s guide to Neural Networks。

通過視頻學習，比如 Deep Learning Simplified。

通過書籍學習，比如 Neural networks and Deep Learning

除了上述的先學知識，你還應該了解一些流行的深度學習庫和運行他們的語言。以下是一個不太完整的列表（你可以通過查看 wiki 獲得更加完整的列表）：

Caffe

DeepLearning4j

Tensorflow

Theano

Torch

其他一些著名的庫：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關于深度學習語言，可以查看這個文章。

你也可以查看查看 Stanford 的 CS231n 中的第 12 講，概要性的了解一些深度學習庫。

建議時間：1-3周

步驟3：選擇你自己的領域

這是最有趣的部分，深度學習已經應用在各個領域中，并且取得了最先進的研究成果。如果你想更深入的了解，那么作為一個讀者，你最適合的路徑就是動手實踐。這樣才能對你現在了解的內容有一個更加深入的認識。

注意：在以下的每個領域中，都會包括一個博客，一個實戰項目，一個需要的深度學習庫以及一個輔助課程。第一步你應該學習一下博客，然后去安裝對應的深度學習庫，然后再去做實戰項目。如果在這個過程中，你遇到什么問題，那么可以去學習輔助課程。

深度學習在機器視覺中的應用

參考博客：DL for Computer Vision

實戰項目：Facial Keypoint Detection

深度學習庫：Nolearn

推薦課程：CS231n： Convolutional Neural Networks for Visual Recognition

深度學習在自然語言處理中的應用

參考博客：Deep Learning， NLP， and Representations

實戰項目：Deep Learning for Chatbots， Part 1， Part2。

深度學習庫：Tensorflow

推薦課程：CS224d： Deep Learning for Natural Language Processing

深度學習在語音中的應用

參考博客：Deep Speech： Lessons from Deep Learning

實戰項目：Music Generation using Magenta （Tensorflow）

深度學習庫：Magenta

推薦課程：Deep Learning （Spring 2016）， CILVR Lab@NYU

深度學習在強化學習中的應用

參考博客和實戰項目：Deep Reinforcement Learning： Pong from Pixels

深度學習庫：沒有需要的深度學習庫，但是你需要 openAI gym 來測試你的模型。

推薦課程：CS294： Deep Reinforcement Learning

建議時間：1-2個月

步驟4：深挖深度學習

現在你應該已經已經學會了基礎的深度學習算法！但是前面的路程會更加艱苦。現在，你可以盡可能高效的利用這一新獲得的技能。這里有一些技巧，你應該做的，可以磨煉你的技能。

重復上述步驟，選擇不同的領域進行嘗試。

深度學習在別的領域的應用。比如：DL for trading，DL for optimizing energy efficiency。

利用你學到的心技能去做點別的事，比如參考這個網站。

參加一些比賽，比如：kaggle。

加入一些深度學習社區，比如：Google Group，DL Subreddit。

跟隨一些研究人員，比如：RE.WORK DL Summit。

建議時間：無限

一些比較好的資源：

Complete Deep Learning book

Stanford UFLDL Turorial

Deep Learning in Neural Networks： An Overview

Awesome Deep Learning github repository

Yann LeCun’s recommendations for Deep Learning self-study