七步讓你實踐深度學(xué)習(xí)
我們工作中經(jīng)常會問： “深度學(xué)習(xí)該從哪里學(xué)起?” 雖然網(wǎng)上已經(jīng)有點了大量的免費課程，但是冗雜的信息太多。為了幫助你進(jìn)入深度學(xué)習(xí)的“坑”，我們整理了以下這些資源。
1.初學(xué)機器學(xué)習(xí)，***的資源是 Cousera 上Andrew Ngs的課程。瀏覽一遍基本足夠，不過完成課后任務(wù)會對你的理解有進(jìn)一步的提升。
2.接下來你可以了解一下 神經(jīng)網(wǎng)絡(luò) (Neutral Network)并且自己上手玩玩。
3.理解神經(jīng)網(wǎng)絡(luò)很重要，但是僅僅最簡單的情況是不夠的。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的一個變種——卷積神經(jīng)網(wǎng)絡(luò)(CNN)，對于視覺任務(wù)很有幫助。斯坦福的相關(guān) 課件 和 筆記 都同樣有收錄。 這里 還有卷積網(wǎng)絡(luò)在視覺處理上的應(yīng)用課程。
4.接下來你可以在你自己的電腦上運行***個CNN:
- 購買一個 GPU 并且安裝 CUDA
- 安裝 Caffe 還有他的GUI Digit
- 安裝 Bonic (它不僅能幫你學(xué)習(xí)深度學(xué)習(xí)，還能讓其他研究者處于科研目的利用你的GPU的空余時間)
5.Digit提供了部分算法，例如 Lenet 用于字符識別以及 Googlenet 的圖像分類算法，還需要下載對應(yīng)的數(shù)據(jù)集來嘗試這些算法， Lenet ， Googlenet 。你有時候要調(diào)整一下算法來完成其他類型的計算機視覺任務(wù)，比如我們 這里 做的。
6.至于多樣的自然語言處理(NLP)任務(wù),循環(huán)神經(jīng)網(wǎng)絡(luò)(RNNs)往往是***的選擇。斯坦福大學(xué)的 課程 依舊可以給你很好的指導(dǎo)，你也可以下載 Tensorflow 來自己建立RNNs。
7.***你可以自己選擇一類深度學(xué)習(xí)任務(wù)來開始實踐了，從人臉識別、演講挖掘到自動駕駛的汽車，都可以嘗試分析。
如果你按照順序完成了上述步驟，你已經(jīng)基本掌握了主流的深度學(xué)習(xí)方法。想要加入諸如Google，百度這類的公司工作，你仍然需要不斷的學(xué)習(xí)與實踐，建立起自身的直覺和方法流程。
作者： Ankit Agarwal —- CTO, Silversparro Technologies Private Limited 。
