Python深度学习入门学习路线（简单速成不掉头发）

编程知识行业动态更新时间:2024-06-13 00:19:22

本文Python深度学习入门学习路线为笔者根据自身学习经验整理所得，转载请注明出处、作者。

笔者全身心致力于白嫖学习路线，全程不掏一分钱。

学习路线

注：以下步骤为顺序递进关系，前面的学好之后，后面的学起来会更为轻松。

1.深度学习理论

（可以先不学，对入门者很不友好，没必要死啃，等学会撸代码搭网络之后再补也不迟）

推荐教程：
吴恩达深度学习理论视频https://www.bilibili/video/BV164411b7dx?from=search&seid=17220854142821729200

推荐书籍：
周志华的西瓜书或其他关于深度学习的书都行，最好是有代码的，边看边敲会大有裨益。

2.Python深度学习路线

Python因为很多现成的封装的函数库以及深度学习框架，上手比其他语言简单很多，十分适合新手入门深度学习。以笔者自身的学习经验来看，Python深度学习主要需要学习Python自身基础语法、numpy、plt（画图工具）、pandas（读表及数据分析神器）、sklearn（机器学习算法库）、Tensorflow2.0（深度学习框架）、pytorch（深度学习框架）、opencv-python。

下面逐一介绍学习路线：

2.0 Python基础
Python对于入门来说，只需要掌握基本语法即可，可以看看B站上的一些速成教程，学到定义类class即可。
推荐教程：https://www.bilibili/video/BV1s4411C7Jn?from=search&seid=11622688006382587590

2.1 numpy、plt、pandas
numpy、plt、pandas作为深度学习的辅助工具库，并不需要学得很深入，只要掌握笔者之前博客中的内容即可。
numpy: https://blog.csdn/weixin_44414948/article/details/109702047
plt: https://blog.csdn/weixin_44414948/article/details/109703153
pandas:https://blog.csdn/weixin_44414948/article/details/109702715

2.2 sklearn
sklearn是一个API相对封装较好的机器学习框架，作为深度学习入门，只需掌握线性回归、逻辑回归、SVM即可，其它用的不多。
推荐教程：https://www.bilibili/video/BV1nt411r7tj

2.3 TensorFlow和pytorch
1）Tensorflow1.X语法繁琐复杂，各版本之间兼容性极差，相差一个小版本写的代码就极有可能无法运行，在tf2.0以后版本API偏向Keras风格，更易使用，且兼容性问题有所改善。

针对Tensorflow2.0，笔者建议先学习其Tensor数据类型的各项操作，具体可以参考之前的博客：https://blog.csdn/weixin_44414948/article/details/109703627

在了解Tensor操作之后，可以尝试在一些简单的数据集（如Mnist）上搭建一些经典的网络，如VGG、ResNet、Inception等，巩固之前学习的各种工具以及理论知识，具体可以参考笔者之前的博客：
a. Mnist-VGG：https://blog.csdn/weixin_44414948/article/details/109704219
b. Mnist-ResNet：
https://blog.csdn/weixin_44414948/article/details/109704451
c. Mnist-Inception：
https://blog.csdn/weixin_44414948/article/details/109704626

另外学有余力的看官可以看看tf2.0的使用手册，极力推荐：
https://blog.csdn/qq_31456593/article/details/88377194

2）pytorch与Tensorflow2.0风格极其相似，API差不多就是函数名不一样，基本学会其中之一，另一个也能很快上手。pytorch学习路线与Tensorflow2.0一样。（注：pytorch版本兼容性问题几乎没有，推荐使用）

因为pytorch的视频教程较少，就不做推荐了，下面是GitHub大佬的pytorch中文手册，极力推荐：
https://github/zergtant/pytorch-handbook

注：附赠一个GitHub找开想要源项目的方法，干货，十分实用。
https://blog.csdn/weixin_44414948/article/details/109538041