Deeplearning4j
Community ForumND4J JavadocDL4J Javadoc
ZH 1.0.0-beta6
ZH 1.0.0-beta6
  • 核心概念
  • 开始
    • 快速入门
    • 速查表
    • 示例教程
    • 初学者
    • Eclipse贡献者
    • 从源码构建
    • 贡献
    • 基准测试准则
    • 关于
    • 发行说明
  • 配置
    • GPU/CPU设置
    • CPU 与 AVX
    • 内存管理
    • Maven
    • SBT/Gradle和其它构建工具
    • cuDNN
    • 快照
    • 内存工作间
  • ND4J
    • 快速入门
    • 概述
  • SAMEDIFF
    • 变量
    • 操作
    • 添加操作
  • 调优与训练
    • 故障排查
    • 可视化
    • 评估
    • 迁移学习
    • 早停
    • T-SNE数据可视化
  • 分布式深度学习
    • 介绍与入门
    • 在Spark上使用DL4J:操作指南
    • 技术说明
    • Spark数据管道指南
    • API参考
    • 参数服务器
  • Keras导入
    • 概述
    • 入门
    • 支持功能
      • 正则化器
      • 损失
      • 初始化器
      • 约束
      • 激活
      • 优化器
    • Functional模型
    • Sequential模型
  • ARBITER
    • 概述
    • 层空间
    • 参数空间
  • DATAVEC
    • 概述
    • 记录
    • 概要
    • 序列化
    • 转换
    • 分析
    • 读取器
    • 执行器
    • 过滤器
    • 运算
  • 语言处理
    • 概述
    • Word2Vec
    • Doc2Vec
    • SentenceIterator
    • Tokenization
    • Vocabulary Cache
  • 模型
    • 计算图
    • 多层网络
    • 循环神经网络
    • 层
    • 顶点
    • 迭代器
    • 监听器
    • 自定义层
    • 模型持久化
    • 动物园用法
    • 激活
    • 更新器
  • 移动端
    • Android概述
    • Android先决条件
    • Android分类器
    • Android图片分类器
  • FAQ
  • 新闻
  • 支持
  • 为什么要深度学习?
Powered by GitBook
On this page
  • 我该如开始使用深度学习?
  • 免费的机器和深度学习在线课程
  • 数学
  • 编程
  • Python
  • Java
  • Deeplearning4j
  • 其它资源

Was this helpful?

Edit on Git
Export as PDF
  1. 开始

初学者

新手深度学习的路线图。

Previous示例教程NextEclipse贡献者

Last updated 5 years ago

Was this helpful?

我该如开始使用深度学习?

你从哪里开始取决于你已经知道了什么。

真正理解深度学习的先决条件是线性代数、微积分和统计学,以及编程和一些机器学习。应用它的先决条件是学习如何部署模型。

在DL4J的场景中,你应该很了解JAVA并且对类似IntelliJ IDE的工具和自动化构建工具Maven感到舒服。

下面你会找到一个资源列表。这些章节大致按它们有用的顺序组织起来。

免费的机器和深度学习在线课程

  • (面向那些对人工智能的调查感兴趣的人)

  • (面向那些对图片识别感兴趣的人)

数学

深度学习所涉及的数学基本上是线性代数、微积分和概率,如果你在本科阶段学习了这些,你将能够理解深层学习论文中的大部分思想与符号。如果没有在大学里学习过,就不要害怕。有很多免费的资源(有一些在这个网站上)。

编程

如果你还不知道如何编程,你可以从Java开始,但你可能会发现其他语言更容易。Python和Ruby资源可以在更快的反馈循环中传达基本思想。“学习Python的硬方法”和“学习编程(Ruby)”是两个很好的开始。

Python

Java

一旦你有了编程基础,就可以着手Java,这是世界上使用最广泛的编程语言。世界上大多数大型组织都使用巨大的Java代码库。(总是有JAVA的作品)(大数据栈—Hadoop, Spark, Kafka, Lucene, Solr, Cassandra, Flink –在很大程度上是为Java的计算环境JVM编写的。

Deeplearning4j

快速入门

其它资源

; Patrick van der Smagt

(Vim 是一种用命令行访问的编辑器。)

如果你想不使用JAVA而直接使用深度学习,我们推荐和各种可以顶替它的Python框架,包括 和 。

带着那些,我们推荐你通过它的 来走近DL4J。

你也可以下载一个 , 它是支持 Python, Java 和 Scala 机器学习和数据科学的工具 。 SKIL是一个可以在prem和云端工作的机器学习后端,可以装载你的软件,提供一个机器学习模型服务器 。

我们所知道的关于深度学习的大部分内容都包含在学术论文中。你可以在这里找到一些主要的研究小组。 虽然个别课程对他们所能教的东西有限制,但互联网却没有。大多数的数学和编程问题可以通过Google和搜索如 和 。

吴恩达在YouTube上的机器学习课程
Geoff Hinton 在YouTube上的神经网络课程
Patrick Winston人工智能介绍 @MIT
Andrej Karpathy斯坦福卷积神经网络课程
ML@B: 机器学习速成课程: 第一部分
ML@B: 机器学习速成课程: 第二部分
梯度下降,神经网络如何学习,深度学习, 第二部分
看得见的理论: 概率与统计的可视化介绍
吴恩达 6部分线性代数综述
Khan Academy的线性代数课程
机器学习所涉及的线性代数
CMU的线性代数综述
用于机器学习的数学
拟真线性代数
概率速查表
最佳线性代数书
马尔可夫链,视觉解释
机器学习的MCMC介绍
特征向量、特征值、主成分分析、协方差和熵
马尔可夫链蒙特卡洛(MCMC)与机器学习
Java学习的硬方法
Python学习的硬方法
Pyret: 一个Python学习环境
Scratch: 一个来自MIT的可视化编程环境
学习Ruby编程
命令行介绍
附加命令行教程
一个Vim基础教程
计算机科学介绍 (CS50 @Harvard edX)
机器原理概论
Theano
Keras
Lasagne
Learn Python the Hard Way
Google's Python Class
Udemy: Complete Python 3 Masterclass Journey
MIT: Introduction to Computer Science and Python Programming
David Beazley: Python Tutorials
CS231n: Python Numpy Tutorial
Pyret: A Python Learning Environment
Think Java: 基于Web的交互式开发环境
学习 Java 的硬方法
Java 资源
Java Ranch: 一个Java 初学者社区
Java编程介绍 @Princeton
深入浅出学Java
Java技术手册
Java初学者编程250步
例子
智能层免费版
Stackoverflow
Math Stackexchange