深度學習。為什麼要把它叫做深度學習？
我想有兩個原因：
1，深度學習使用了大規模的神經網路，它們的計算規模比傳統的ai演算法要大很多。
2，神經網路的構造很像人腦。當我們打算去學習東西的時候，我們經常需要對比使用知識，花更多的時間去學習。更重要的是，人類很擅長於深度學習，我的意思是人類可以用自己的深層神經網路進行思考和想象。所以深度學習跟人類是非常相似的。
為什麼我們最好有一些線性代數，概率論和高等數學的知識呢？
對於我來說：
1，線性代數可以幫助我更好更快地構建乙個神經網路。
2，概率論和高等數學可以幫助我更好地理解一些網路的原理以及它們為什麼會行得通。例如前向傳播，反向傳播等。
有多少種神經網路？
可以說有成千上萬種。但是不用擔心，它們都是基於幾個基本的構造而構建起來的。
它們是cnn，rnn，和gan等。。。
cnn也叫卷積神經網路，它能夠捕捉影象的特徵，保持影象的空間特徵並把它們儲存到網路裡面。所以cnn廣泛應用於影象處理，物體檢測，影象分類等。
rnn也叫迴圈神經網路，它能夠記住某些序列性的資料和做出一些**。
gan也叫對抗生成網路，它能夠生成影象，修補影象等。
怎樣自學深度學習？
以下是我一步一步自學的過程。
1，找乙個你最感興趣的網路。例如你對物體檢測很感興趣，你可以先玩一下yolo。
2，一旦你開始接觸和用yolo，你會發現yolo是由cnn構成的，因而你會找到學習cnn的動力和目標。對於我來說，我對影象生成非常感興趣。所以我選擇了gan作為切入點。gan是由兩個cnn組成的，它的邏輯很特別和很有意思。所以我在學習gan的時候同時學習的cnn和gan。這難道不是很有意思嗎？
3，然後你會發現你有很多知識需要掌握，並且你會很有動力去學習它們。一旦你到達了這種狀態，我相信你遲早會成為ai大師。然後我推薦你以下課程：
cs231n:史丹福大學的一門課。它專注於影象處理。它很好地介紹了cnn和它的基本原理。它是一門很適合人們去學習深度學習的基本課程。
cs224n：史丹福大學的一門課。它專注於語言處理。
rnn: 這個**介紹了一些lstm的基本概念。
gan: 這個**介紹了gan的基本概念。
4，經過以上三步，我相信你已經獲得了很多關於ai的知識。從現在起，請盡情地看**。捕捉作者的思路，用一下他們的網路，然後構建自己的網路。我相信你是能做到的！
下面是一些有趣的**。我將會在接下來的時間裡慢慢地詳解這些**。
original gan:
pix2pix:
pggan:
mrcnn:
我是如何學習git
一開始學習git的時候，網上的git教程很多，看得人眼花繚亂，不知道如何下手。現在對git已經很熟悉了，回過頭來總結一下學習方法。一般官方文件是最全面，但是不一定適合快速上手。我們可以學習一些快速上手的教程，這些教程沒有官方文件那麼全面，但是可以學習到最常用的操作，適合入門。入門之後，如果還想高階，...
我是如何學習儲存的
通過這麼多年接觸儲存，我總結自己學習儲存的經歷如下 1 動手操作。動手是人學習一項技能時最有效 最快速的方法，同時也是記憶一件事情時最有效 最快速 記憶時間最長的方法。我一直以來都體行動手第一的思想，有機會一定要自己動手操作。以前專案實施時，有把握的自己做。沒把握的，讓同事在旁邊看著自己做，遇到問題...
我是如何學習Linux的
原文寫不完了，簡而言之，對於入門而言 1 去網上下 鳥哥的linux私房菜 有簡體版本的 2 參照這本書，安裝centos 並一章一章學習吧 如果你是用來玩兒的，去裝 ubuntu 吧！分割線 以下是原文 知道linux很久了 第一次聽說linux 大二的時候 5年前了 我室友在一台古董機上裝著玩兒...