入门课程
机器学习的入门教程,推荐coursera上andrew NG的machine learning course.链接在些。这门课程能让你对machine learning的基本流程有一定的了解。而且这里面有一些programing task,能加深一下理解。
这门课程讲得非常的简单,没有深入讲解背后的推理过程,所以建议看看周志华的《机器学习》这本书。另外《最优化导论》这本书也可以看一看,这样学起来会更轻松。
另外关于deep learning,Andrew NG在coursera上也有课程,不过需要收费,但是所有的视频其实都在youtube上,链接在些。里面的知识点还是不少的,而且讲解得也非常的容易懂。
进阶课程
进阶课程推荐看李飞飞的CS231n视频教程,这个课程的前面部分讲解了一些深度框架,还是比较好理解的。但是后面从generative model开始知识点讲得有点多,比较快了,需要辅助一些相关的资料才好理解。课程里面有些课件真心讲得太给力了。建议把课件都用心的看一遍。
这门课程在学完一些常见的卷积网络的框架后,就可以看深度学习这本书了。感觉这本书不适合初学者,如果有点了解deep learning,特别是看了Andrew NG的视频教程后再看这书本理解会深刻一些。
其它网络资源:
国内的不少人在知乎上开设专栏,信息还是比较快的,可以关注相关内容,了解一手信息。比方说搜索深度学习、AI、machine learning等关键词就能得到一些专栏信息。
国外的资源比较多,同时也建议跟国外的资源,毕境一手信息都是来自国外的,知乎上大多也是翻译国外的内容。以下这些能够较快的助你获取一手信息:
* reddit: 类似一个全球性的知乎
* twitter: 新的讯息在twitter上推得比较快,很多学者像LeCun等会时不时的在上面发一些新的信息,可以关注他们获得一手资料。
* youtube: 这个感觉特别的万能。。。啥都有。知乎上的专栏是文字形式的,而youtube则是采用视频形式的。youtube上有一些热心人会用一些通俗易懂的方式讲解关于AI的知识,比方说Siraj Raval,讲解得比较high level,有助于把握方向。two minutes paper这个也不错,可以了解最新的文章。在看deep learning相关视频资料有出现不懂的概念时,也可以在youtube上找资源。(要翻才行,ios平台推荐火箭加速器,安装好后可以不用再从APP里面打开VPN了,广告实在太多,在通用的首页里面可以直接打开)
* arixv,这是一个论文发表平台,最新的关于AI的文章首先会出现在这里,可以关注里面关于machine learning与AI的相关版本块,这个也有手机版的(估计会看得泪奔。。。最好用平板吧。。。)。
Deep learning platform
玩过tensorflow与pytorch,安装都比较简单,建议用anaconda安装,anaconda比较方便做环境管理。比如搭建一个基于python3.6的tensorflow环境(建议还是用高版本的,低版本的随着时间推移肯定会被和谐掉),可以这样:
(1) 创建一个基于python3.6的tensorflow环境
conda create -n tensorflow python=3.6
(2)激活这个环境
source activate tensorflow
这个时候在shell前面会出现“(tensorflow)”字样
(3)开始安装
cpu only version
pip install --ignore-installed --upgrade tensorflow
or gpu version
pip install --ignore-installed --upgrade tensorflow-gpu
(4) 检查安装是否成功
conda --list
可以看到是tensorflow module是否存在,进一步的跑一下下面的脚本
python
import tensorflow as tf
如果没什么错误就安装好了。当然还有其它的virtualenv, docker等安装办法,具体的看这里。
如果要退出的环境的话运行一下:
source deactivate tensorflow
pytorch的安装也简单,
首先也是先创建一个环境
conda create -n pytorch python=3.6
再激活一下环境
source activate pytorch
开始安装
conda install pytorch torchvision -c pytorch
这个是安装non-GPU版本的。检测是否成功,
python
import torch as th
没输出什么错误就ok了。
更多的安装可以参看地这里。
这里的环境一定要注意:一般情况下我们首先会去安装anaconda,这个软件里面包含了有好多的软件包,比方说jupyter notebook或者spyder。当我们在我们自己创建的环境里安装好pytorch或者是tensorflow的时候,如果不再次在环境里安装jupyter notebook或者spyder,那么import torch或者tensorflow的时候是会报错的。
(上面的安装都是指在ubuntu环境下的安装,windows上的差别也不大)