當前位置：首頁 > 人工智能 > pytorch >内容正文

pytorch

吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】（2019年已经最后一个月了，你还不学深度学习吗？？？）

發布時間：2023/12/20 pytorch 39 豆豆

生活随笔收集整理的這篇文章主要介紹了吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】（2019年已经最后一个月了，你还不学深度学习吗？？？）小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

聲明：

1）該文章整理自網上的大牛和機器學習專家無私奉獻的資料，具體引用的資料請看參考文獻。
2）本文僅供學術交流，非商用。所以每一部分具體的參考資料并沒有詳細對應。如果某部分不小心侵犯了大家的利益，還望海涵，并聯系博主刪除。
3）博主才疏學淺，文中如有不當之處，請各位指出，共同進步，謝謝。
4）此屬于第一版本，若有錯誤，還需繼續修正與增刪。還望大家多多指點。大家都共享一點點，一起為祖國科研的推進添磚加瓦。

文章目錄

聲明：
- 〇、寫在前面
- 一、粉絲小福利
- 二、令人頭疼的數學
- 三、人生苦短，我用python
- 四、三兩個三方庫
- 五、深。。。深度。。。深度學習理論
- 六、一大波DL論文來襲
- 七、有哪些知名會議呢
- 八、你知道知識圖譜吧？！？
- 九、DL框架哪家強
- - - 9.1、TensorFlow
    - 9.2、PyTorch
- 十、歡迎來到神經網絡游樂場
- 十一、毛遂自薦可還行
- 十二、總結一下下
參考文章

〇、寫在前面

可以去我的WX公眾號，回復【福利】，獲取更多資源！

最近沒有怎么發博客，趁這個機會總結一下，2019年已經是深度學習大火甚至熱度下降的一年了，我們的小伙伴應該抓緊機會趕上最后一波熱潮！！！

依照我目前的學習經驗和采坑總結，學習深度學習的最佳學習方法莫過于 【視頻+博客+書籍】+ 總結，【視頻+博客+書籍】這三個，我將把自己【目前學過的】以及【大佬推薦的】都在這篇博客文章中全部展現出來，力求全面實用，至于【總結】部分則是在于個人的發揮，【所謂師父領進門，修行在個人】，雖然我不是師傅，但是也希望能為你的未來方向提供一些力所能及的幫助。

博主將為各位趟河踩坑，保駕護航，咱們一起沖沖沖！！！上帝是公平的，所以世間的一切都是等價交換，只要你不辜負時間，時間也必然不會辜負你！！！

最后說一下，什么叫做【學習】，有好多小伙伴包括博主本人都有點急躁，但是【學習】是【學】然后【習】的過程，即 認真學習，努力實踐，樂于分享。

不要忘記計算機科學技術的核心就是【分享】，不要閉門造車！！！那實在是浪費時間！！！

如果你覺得本文有用，還請 點贊，關注，收藏，這樣就能讓更多的人看到。

如果本文有不足或者不正之處，歡迎指正批評，感激不盡！

如果有疑問歡迎留言，絕對第一時間回復！！！

一、粉絲小福利

推薦一個可以搜索一些pdf版的電子書的網站——鳩摩搜書，https://www.jiumodiary.com/

比如搜索【深度學習】，

下文中提到的一些書都可以去其中搜索，或者也可以直接百度：

不過百度的坑比較多，但是也是可以嘗試的，再或者腳本之家，https://www.jb51.net/books/

如果實在找不到，也可以直接去CSDN的下載區下載，https://download.csdn.net/，淘寶找一個商家下載即可，一般也就一兩塊。

二、令人頭疼的數學

其實我也懂，大家也懂，很多人避而不談或者繞開深度學習的主要原因是聽到了數學，數學基礎內容過多，基本上把大部人勸退了。。。【立即推 <<==>> 放棄】

其實如果你讀過工科本科（因為我是工科，本科【吉大】的小伙伴有嗎），就一定學過高等數學、概率論與數理統計和線性代數這三門課，這就基本上能夠解決絕大多數的問題，甚至說如果你只是想當一個掉包俠的話，這些都不用全部掌握，關于深度學習的境界劃分在這里——大話卷積神經網絡CNN（干貨滿滿），可以看看自己是哪一個境界的小盆友。

正文開始：

微積分：其實個人感覺涉及的微積分知識相對簡單，積分很少，微分也不是特別復雜，花一天時間學一學就行。
概率論與統計：這個比較高深，是應用在機器學習領域里最重要的數序分支。應用比如：條件概率、相關系數、最大似然、大數定律、馬爾可夫鏈等等，還是得好好搞一下概率。
線性代數：數字圖像本身就是以矩陣的形式呈現的，多個向量組成的樣本也是矩陣這種形式非常常見，大多機器學習算法里每個樣本都是以向量的形式存在的，多個矩陣疊加則是以張量(tensor)的形式存在 Google 深度學習庫 TensorFlow 的字面意思之一。
凸優化：這個需要單獨拎出來說一下。因為太多問題（尤其機器學習領域）都是優化問題（求最優），凸優化是里面最簡單的形式，所以大家都在想辦法怎么把一般的優化問題轉化為凸優化問題。至于單純的凸優化理論，好像已經比較成熟了。在機器學習里，經常會看到什么求對偶問題、KKT條件等，潛下心花兩天學一學。

數學知識真的沒必要系統學習，效率低又耗時，畢竟大家都有本科或者研究生的基礎了，這就足夠了。目前感覺用的最多的就是矩陣論！！！因為 TensorFlow 或者其他的框架都需要計算圖的大小。再或者用到的時候學，學完之后總結一下，所以一定要活學活用網上的搜索資源，比如 CSDN、知乎等等。

如果想要學習這三門課——【高等數學、概率論與數理統計和線性代數】，推薦宇哥（張宇數學）的課程，直接B站搜就能找到。

宇哥鼓勵學生的一段話，送給你，無論你考沒考過研，希望你都能堅持一下！！！

再堅持一下，張宇送給2018考生的最后一段話！

資源總結：

同濟大學的《線性代數》
浙江大學的《概率論與數理統計》
同濟大學的《高等數學》
北大的《凸優化》
林軒田機器學習基石/技法課件、作業和視頻
斯坦福大學CS229機器學習課程基礎資料英文和中文版本
《B站張宇數學》

三、人生苦短，我用python

工欲善其事必先利其器，作為深度學習的基礎語言，python這些年可以說是紅得發紫，承蒙粉絲們抬愛，寫過一個1.6W播放量的 python 的基礎博客——用Python解決數據結構與算法問題（一）：Python基礎，不過沒有特別詳細，推薦學完了基礎知識的時候再看一下，以做位復習的資源，內附幾個例子，可以用來練手。

基礎部分看廖雪峰的 python教程就可以了，我個人有看一些，比較良心，如果不喜歡在線學習的同學也可以使用這本書——《Python編程：從入門到實踐》，極其的基礎，但是對小白來說非常友好，還有幾個簡單的項目實戰。

有的同學會問是學 python2 還是 python3？這么說吧，python 核心團隊計劃2020年停止支持 python2，也就是說 python2 馬上就要說再見了，肯定還是學 python3，遇到之前的 python2 的代碼再查找區別即可。python 學起來其實很簡單，看別人代碼的過程就是學習的過程。對于不熟悉的用法多搜下官方文檔，如 python

python 的開發環境值得說一下，因為有太多選擇，這里比較建議使用 pycharm 和 jupyter notebook：

Anaconda是一個用于科學計算的Python發行版，支持 Linux, Mac, Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本Python并存、切換以及各種第三方包安裝問題。

下載地址：https://www.anaconda.com/download/

Pycharm，社區版免費

下載地址：https://www.jetbrains.com/

安裝教程：
- Anaconda+Jupyter notebook+Pycharm：https://blog.csdn.net/TeFuirnever/article/details/90646020
- Ubuntu18.04深度學習環境配置(CUDA9+CUDNN7.4+TensorFlow1.8)：https://zhuanlan.zhihu.com/p/50302396

資源總結：

廖雪峰的python教程
《Python編程：從入門到實踐》
兩天入門python

四、三兩個三方庫

除了python之外，還有很多常用的第三方庫：numpy、pandas、scipy、matplotlib、Seaborn、scikit-learn等等，需要熟練掌握提到的這幾個，其他的遇到再學習使用即可。

資源總結：

《Numpy練習題100題》
《十分鐘搞定pandas》
《scipy學習筆記》
《matplotlib學習之基本使用》
《Seaborn簡易入門》
《scikit-learn學習筆記》
《Scikit-Learn 與 TensorFlow 機器學習實用指南》
《Scikit-Learn 官方文檔》
《Scikit-Learn 中文文檔（0.19）》

五、深。。。深度。。。深度學習理論

認真的學習深度學習理論是關鍵！！！

深度學習理論首推這門課——網易云的吳恩達deeplearning.ai。

離線視頻：https://pan.baidu.com/s/1ciq3qHo0lgoD3MLRwfeqnA 密碼：0kim。
課件，筆記，論文：https://github.com/fengdu78/deeplearning_ai_books
作業：https://github.com/stormstone/deeplearning.ai

還有我個人依據課程寫的深度學習入門筆記系列

《python深度學習》由Keras之父、現任Google人工智能研究員的弗朗索瓦?肖萊（Franc?ois Chollet）執筆，入門深度學習的同時還可以學習 Keras。

英文版：https://github.com/fchollet/deep-learning-with-python-notebooks

中文版：https://github.com/fengdu78/machine_learning_beginner/tree/master/deep-learning-with-python-notebooks

李宏毅的一天搞懂深度學習課件ppt，pdf以及精心整理的目錄——https://download.csdn.net/download/tefuirnever/11107293

李宏毅《機器學習》：https://www.bilibili.com/video/av59538266

李飛飛的 CS231n 課程，B站有中英文字幕版課程，知乎專欄智能單元有CS231N課程翻譯（非常好）

Fast.ai《程序員深度學習實戰》

視頻地址：

B站地址(英文字幕)：https://www.bilibili.com/video/av18904696?from=search&seid=10813837536595120136
CSDN地址(2017版中文字幕): https://edu.csdn.net/course/detail/5192

課程筆記：

英文筆記原文：https://medium.com/@hiromi_suenaga/deep-learning-2-part-1-lesson-1-602f73869197
由ApacheCN組織的中文翻譯：https://github.com/apachecn/fastai-ml-dl-notes-zh

CS230 Deep Learning

秋季CS230視頻列表：https://www.bilibili.com/video/av47055599
春季CS230課程大綱：http://cs230.stanford.edu/syllabus/
Cheetsheet（斯坦福助教給出）：https://stanford.edu/~shervine/teaching/cs-230.html

資源總結：

《深度學習》花書
《深度學習 500 問》
李宏毅機器學習筆記(LeeML-Notes)
《動手學深度學習》
《動手學深度學習》-PyTorch

六、一大波DL論文來襲

如果你是深度學習領域的新手，你可能會遇到的第一個問題是“我應該從哪篇論文開始閱讀？”

Papers with Code 這個網站叫做 Browse state-of-the-art。它將 ArXiv 上的最新深度學習論文與 GitHub 上的開源代碼聯系起來。該項目目前包含了 651 個排行榜，1016 個深度學習任務，795 個數據集，以及重磅的 10257 個含復現代碼的優秀論文。簡直就是一個尋找論文和代碼的利器。它將 1016 個深度學習任務分成了 16 大類，涉及了深度學習的各個方面。

比如目標檢測的超全的文獻 paper 列表：

資源總結：

大博主的正例論文資源——https://blog.csdn.net/zouxy09/article/details/8782018
Papers with Code；GitHub地址：https://github.com/zziz/pwc
Deep Learning Papers Reading Roadmap

七、有哪些知名會議呢

會議

NeurIPS：https://nips.cc/

ICML：https://icml.cc/

ICLR：https://iclr.cc/

AAAI：https://aaai.org/Conferences/AAAI-19/

IJCAI：https://www.ijcai.org/

UAI：http://www.auai.org/uai2019/index.php

計算機視覺：

CVPR：http://cvpr2019.thecvf.com/

ECCV：https://eccv2018.org/program/main-conference/

ICCV：http://iccv2019.thecvf.com/

自然語言處理：

ACL：http://www.aclcargo.com/

EMNLP：https://www.aclweb.org/portal/content/emnlp-2018

NAACL：https://naacl2019.org/

知名期刊:

JAIR：https://www.jair.org/index.php/jair

JMLR：http://www.jmlr.org/

其它

機器人方面，有 CoRL（學習）、ICAPS（規劃，包括但不限于機器人）、ICRA、IROS、RSS；

對于更理論性的研究，有 AISTATS、COLT、KDD。

八、你知道知識圖譜吧？！？

知識圖譜是什么？

知識圖譜是一種結構化數據的處理方法，它涉及知識的提取、表示、存儲、檢索等一系列技術。從淵源上講，它是知識表示與推理、數據庫、信息檢索、自然語言處理等多種技術發展的融合。

資源總結：

為什么需要知識圖譜？什么是知識圖譜？——KG的前世今生
什么是知識圖譜？
智能搜索時代：知識圖譜有何價值？
百度王海峰：知識圖譜是 AI 的基石
譯文|從知識抽取到RDF知識圖譜可視化

九、DL框架哪家強

注：? 表示推薦指數，越多越好

9.1、TensorFlow

TensorFlow學習資料大全：含入門指南、在線博客、視頻教程、書籍推薦和實戰項目等

TensorFlow入門指南

TensorFlow如何入門
awesome-tensorflow：TensorFlow - A curated list of dedicated resources
awesome-tensorflow-2：Tensorflow 2.x resources such as tutorial, blog, code and videos

TensorFlow官網&社區

（?????）TensorFlow官網
（?????）GitHub：TensorFlow
（????）Medium：TensorFlow：官方維護，分享最佳干貨文章
（????）Twitter：TensorFlow：官方維護，分享最快動態
（????）Youtube：TensorFlow：官方維護，分享最新視頻
（?????）TensorFlow官網(中國域名) 便于不能科學上網的人
（???）TensorFlow中文社區：官方和才云科技（TensorFlow 中國社區合作伙伴）聯合發起

TensorFlow在線教程

（?????）tf2_course：第一個TensorFlow2.x系列教程（作者是巨佬）
（?????）TensorFlow-Examples：TensorFlow Tutorial and Examples for Beginners with Latest APIs
（?????）TensorFlow-Course：Simple and ready-to-use tutorials for TensorFlow
（????）TensoFlow2中文教程：TensorFlow2中文教程（代碼實戰為主）
（????）TensorFlow2.0-Examples：TensorFlow2 教程（代碼實戰為主）
（????）EffectiveTensorflow：TensorFlow tutorials and best practices
（???）TensorFlow-Tutorials-Chinese：TensorFlow 中文教程 (Chinese Tutorials)

TensorFlow視頻教程

（?????）Deep Learning basics with Python, TensorFlow and Keras 網址
（?????）TensorFlow-Tutorials：TensorFlow Tutorials with YouTube Videos
（????）Stanford CS 20SI: Tensorflow for Deep Learning Research (斯坦福TensorFlow教程)
- 官網：CS20SI
- GitHub(stanford-tensorflow-tutorials)
- B站視頻
（???）Google 機器學習速成課程：該課程雖然為Machine Learning，但代碼全使用TensorFlow，有實戰意義

TensorFlow書籍資源

（?????）Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition
（????）Hands-On Machine Learning with Scikit-Learn and TensorFlow 中文翻譯
（???）TensorFlow Machine Learning Cookbook

TensorFlow實戰項目

TensorFlow/models
tensorboard
TensorLayer
DCGAN-tensorflow
facenet
FastMaskRCNN
SSD-TensorFlow
CapsNet-Tensorflow
tensorflow-generative-model-collections
tensorflow_poems

9.2、PyTorch

PyTorch資料學習大全：含入門指南、在線教程、視頻教程和書籍推薦等資源

PyTorch安裝教程

Ubuntu
Windows

PyTorch入門指南

Awesome-pytorch-list：A comprehensive list of pytorch related content on github,such as different models,implementations,helper libraries,tutorials etc.
知乎：新手如何入門PyTorch
PyTorch：60分鐘入門

PyTorch官網&社區

（?????）PyTorch官網
（?????）GitHub：PyTorch
（????）Twitter：PyTorch：官方維護，分享最快動態
（????）PyTorch官方論壇
PyTorch中文文檔&教程
知乎話題：PyTorch

PyTorch在線教程

（?????）PyTorch：Doc
（?????）pytorch-tutorial：PyTorch Tutorial for Deep Learning Researchers
（?????）practicalAI：Implement basic ML algorithms and deep neural networks with PyTorch.
（????）practical-pytorch：PyTorch tutorials demonstrating modern techniques with readable code
（????）Deep Learning with PyTorch：This series is all about neural network programming and PyTorch!
（?????）pytorch-book：PyTorch tutorials and fun projects including neural talk, neural style, poem writing, anime generation
（?????）莫凡：PyTorch教學：Build your neural network easy and fast
（?????）pytorch-handbook：pytorch handbook是一本開源的書籍
（????）Dive-into-DL-PyTorch：本項目將《動手學深度學習》(Dive into Deep Learning)原書中的MXNet實現改為PyTorch實現。
（????）PyTorch_Tutorial：《Pytorch模型訓練實用教程》中配套代碼 PyTorch學習筆記

PyTorch視頻教程

（????）PyTorch - Deep Learning with Python
（???）Neural Network Programming - Deep Learning with PyTorch
（???）Intro to Deep Learning with PyTorch：優達免費課程
（?????）莫凡：PyTorch教學

PyTorch書籍資源

（?????）Deep Learning with PyTorch：LeCun力薦，PyTorch官方權威教程書 github代碼
（???）Introduction to Artificial Neural Networks and Deep Learning: A Practical Guide with Applications in Python
（?????）《深度學習框架PyTorch：入門與實踐》github

PyTorch實戰項目

pytorch-examples：官網示例
pretrained-models.pytorch：Pretrained ConvNets for pytorch: NASNet, ResNeXt, ResNet, InceptionV4, InceptionResnetV2, Xception, DPN, etc.
maskrcnn-benchmark：Fast, modular reference implementation of Instance Segmentation and Object Detection algorithms in PyTorch.
mmdetection：Open MMLab Detection Toolbox with PyTorch 1.0
pytorch-semseg：Semantic Segmentation Architectures Implemented in PyTorch
faster-rcnn.pytorch
ssd.pytorch
semantic-segmentation-pytorch
pytorch-pretrained-BERT
torchcv：A PyTorch-Based Framework for Deep Learning in Computer Vision
https://github.com/devnag/pytorch-generative-adversarial-networks

PyTorch搭檔工具

PyTorch Lightning：Lightning is a very lightweight wrapper on PyTorch.

十、歡迎來到神經網絡游樂場

網站地址：http://playground.tensorflow.org/#activation=relu&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.17410&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

可以調整：

數據分布，訓練集和測試集的比例，有無噪聲，批大小；
特征，神經元個數和層數；
學習率，激活函數，正則化與否以及大小，分類還是回歸。

你可以嘗試去改變相應的參數，從而感受一下網絡輸出的變化，進而體會到卷積神經網絡的樂趣，加油！！！

十一、毛遂自薦可還行

推薦兩個自己寫的高質量博客：

大話卷積神經網絡CNN（干貨滿滿）
【記錄】一個深度學習算法工程師的成長之路（思考和方法以及計劃）

十二、總結一下下

該博客會持續更新相關資源，敬請期待。

持續更新…

如果你覺得本文有用，還請 點贊，關注，收藏，這樣就能讓更多的人看到。

如果本文有不足或者不正之處，歡迎指正批評，感激不盡！

如果有疑問歡迎留言，絕對第一時間回復！！！

如果有幸幫到你，請幫我點個【贊】，給個【關注】！如果能順帶【評論】給個鼓勵，我將不勝感激。

如果想要更多的資源，歡迎關注 @我是管小亮，文字強迫癥MAX~

回復【福利】即可獲取我為你準備的大禮，包括C++，編程四大件，NLP，深度學習等等的資料。

想看更多文（段）章（子），歡迎關注微信公眾號「程序員管小亮」~

學習AI的同學可以看一下這個課程！

參考文章

首發：適合初學者入門人工智能的路線及資料下載
完備的 AI 學習路線，最詳細的中英文資源整理
TensorFlow-From-Zero-To-One
PyTorch-From-Zero-To-One
大學四年自學走來，這些私藏的實用工具/學習網站我貢獻出來了
【記錄】一個深度學習算法工程師的成長之路（思考和方法以及計劃）
大話卷積神經網絡CNN（干貨滿滿）

總結

以上是生活随笔為你收集整理的吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】（2019年已经最后一个月了，你还不学深度学习吗？？？）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： 10bit灰阶测试图_我可能买的是一块假
下一篇：梳理百年深度学习发展史-七月在线机器学习