深度学习入门参考路线

一、深度学习介绍

目前，深度学习活跃在世界上各个地方。在几乎人手一部的智能手机中、开启自动驾驶的汽车中、为Web服务提供动力的服务器中，深度学习都在发挥着作用。此时此刻，就在很多人没有注意到的地方，深度学习正在默默地发挥着其功能。今后，深度学习势必将更加活跃。介绍下本人入门深度学习的路径及阅读的参考书目，共参考。

二、深度学习基础理论书籍类（必学）：

1. 《深度学习入门：基于 Python 的理论与实现》：入门必备书籍，全是基础的深度学习相
   关的知识。书中的代码就没必要自己敲了。建议快速看完并掌握！
2. 《深度学习的数学》：这本书我没怎么看，看完上面这个可以可考看看这个，这本书主要是把深度学习里面一些数学类的知识具象化解释。
3. 说明：上面两本书建议一周内看完。如果你有一定的基础可以几天就看完。主要是查漏补缺。

三、笔记类（查漏补缺）

1. 《deeplearning_ai》：不用全部看完，自己研究什么类型的网络模型就先看对应网络的讲解！别看这本书页数多，看完后自己提炼出来的知识点并不多。
2. 《机器学习基础教程》：这本书貌似实体书已经下架了。可能是里面有些小错误比较多。当时看这本书主要是学 GAN 的时候想进阶下数学层面的东西，实际上好像也没什么用，时间不够就不用看了。如果以后看论文涉及到一些机器学习的东西，比如什么后验概率什么的可以回头来查看。

四、框架学习类

1. eat_pytorch_in_20_days：https://github.com/lyhue1991/eat_pytorch_in_20_days
2. eat_tensorflow2_in_30_days：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
3. 说明：上面两个是学习框架的干货，现在应该还没过时，里面有很多框架使用的流程，也是建议查询式学习。

五、经验类

1. 《有三 AI-深度学习开源框架实践指导手册 V1.0_2020.6.20》
2. 《有三 AI-深度学习视觉算法工程师成长指导手册-2020.5.29》

六、最后

等自己基础夯实了就可以下开源代码实际上手调试了。少造模型多修改！！！一步一步来。关注好自己的研究领域，隔几周最好去 google 学术上面查查新，要保证自己的研究没有落后。关注四大顶会的 oral 论文，相关论文可以看看，多借鉴高效模块。