深度学习从入门到不放手

深度学习从入门到不放手

    目前深度学习可谓如日中天，有的公司更是开出了30万-100万年薪的诱惑价，相信不少人肯定是十分心动，关于深度学习的资料几乎都是一团乱麻的状态：懂的大神都忙的没空写，不懂的在一边抓瞎，半懂不懂的到处写水文赚吆喝（主要是个人感觉很多所谓的科普文实质性的内容没有什么）。    所以本人决定亲自试水...学习并将学习的过程记录下来，这里首先要说明几点：    1、因为敝人不是科学家，所以不会去过多的搬一堆跟我们应用它关系不大的概念和数学公式（必要的数学公式有助于提升逼格，这个避免不掉的）。    2、其次，我也只是本科毕业，不想因为对于数学的不精熟最后招来一片骂声（我一直标榜自己高考数学都没及格的...所以如果有数学上说的不对的欢迎大家指正），我只想记录下来如何使用好已有的深度学习开发工具即可，因为我也没有想过一个人能把深度学习玩出花来（有那精力我宁愿选择考研读个硕博回来）。    3、开发工具我知道的有限，行家们可以多多指导（我现在也是处于零蛋阶段，希望大家不介意可以多教教我）。    这里我将按照如下的格式来大致讲述这个过程：

• 1、深度学习算法的数学模型
• 2、各种深度学习框架的比较与特性分析
• 3、NVIDIA DIGITS训练器（或其它厂商的训练器）的基本使用

• 4、各大厂家的深度学习开发SDK的简介

      我会尽我所能理解的深度学习算法来给大家解释和说明到底该如何应用起来（比如本人曾经学习过PID控制算法，老师教我时最先是用的时域形式以及复频域形式，因为这是数学模型的典型表达方式，但是时域或者复频域的PID要给计算机算是不可能事件，所以老师讲了Z变换到离散形式的PID，这才是程序员可以告诉计算机怎么计算的形式）。因此会讲讲算法数学模型（数学上的表达方式-原形），然后讲讲计算机能识别的形式（实际应用时的使用方式）。    然后开始讲解目前的Caffe、Microsoft Cognitive Toolkit、TensorFlow、Theano、Torch、MXnet、Chainer、Keras、BidMach、Brainstorm、Kaldi、MatConvNet、MaxDNN、Deeplearning4j、Keras、Lasagne(Theano)、Leaf 等等深度学习框架（这里不会每个都涉及，看敝人的能力了，如果本人不才可以理解几个就给大家讲解几个），以及与其他AI（包括神经网络、蚁群算法等等）的异同点，当然这个也是看本人的能力了，毕竟本人常自我调侃只是仪表工而已（大学刚入学时化工院长就这么说我们这个专业的）。    再就是看我到时搭建什么样子的平台了（我可是很穷...到手3000，所以高级的硬件平台是不可能的，我也没想好到底搭什么平台），基于这个平台来使用对应的训练器，所以要讲解训练器的使用。根据这个平台来进行2-3个范例讲解（以便于消化吸收与如何应用）。    最后就是其他本人平台之外不能涉及的SDK之间的一个横向对比了，我希望通过这么个过程，自己能熟悉深度学习（同时最好能树立起大神的形象...人都是有个人英雄主义的吧？）。    当然如果大家有好的建议或者资料，欢迎和我交流。