如何入门深度学习

Step0：搭建深度学习环境

Doker搭建深度学习环境：https://www.cnblogs.com/bingmang/p/9813686.html
Pycharm远程连接服务器：https://www.cnblogs.com/zhuminghui/p/10947930.html
服务器使用screen后台运行程序：https://sunyanhust.github.io/post/fu-wu-qi-shi-yong-screen-hou-tai-yun-xing-cheng-xu/

Step1: 通过阅读《Python深度学习》掌握深度学习基础知识

《Python深度学习》这本书是Keras之父Francois Chollet所著，该书假定读者无任何机器学习知识，以Keras为工具，使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，全书没有一个数学公式，注重培养读者的深度学习直觉。

电子版下载：https://pan.baidu.com/s/1-4q6VjLTb3ZxcefyNCbjSA 提取码：wtzo，
代码：https://github.com/fchollet/deep-learning-with-python-notebooks

Step2：通过教程《30天吃掉那只 TensorFlow2》深入学习TensorFlow

📚 gitbook电子书地址： https://lyhue1991.github.io/eat_tensorflow2_in_30_days
🚀 github项目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
🐳 kesci专栏地址：https://www.kesci.com/home/column/5d8ef3c3037db3002d3aa3a0

日期	学习内容	内容难度	预计学习时间	更新状态
	一、TensorFlow的建模流程	⭐️	0hour	✅
day1	1-1,结构化数据建模流程范例	⭐️⭐️⭐️	1hour	✅
day2	1-2,图片数据建模流程范例	⭐️⭐️⭐️⭐️	2hour	✅
day3	1-3,文本数据建模流程范例	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day4	1-4,时间序列数据建模流程范例	⭐️⭐️⭐️⭐️⭐️	2hour	✅
	二、TensorFlow的核心概念	⭐️	0hour	✅
day5	2-1,张量数据结构	⭐️⭐️⭐️⭐️	1hour	✅
day6	2-2,三种计算图	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day7	2-3,自动微分机制	⭐️⭐️⭐️	1hour	✅
	三、TensorFlow的层次结构	⭐️	0hour	✅
day8	3-1,低阶API示范	⭐️⭐️⭐️⭐️	1hour	✅
day9	3-2,中阶API示范	⭐️⭐️⭐️	1hour	✅
day10	3-3,高阶API示范	⭐️⭐️⭐️	1hour	✅
	四、TensorFlow的低阶API	⭐️	0hour	✅
day11	4-1,张量的结构操作	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day12	4-2,张量的数学运算	⭐️⭐️⭐️⭐️	1hour	✅
day13	4-3,AutoGraph的使用规范	⭐️⭐️⭐️	0.5hour	✅
day14	4-4,AutoGraph的机制原理	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day15	4-5,AutoGraph和tf.Module	⭐️⭐️⭐️⭐️	1hour	✅
	五、TensorFlow的中阶API	⭐️	0hour	✅
day16	5-1,数据管道Dataset	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day17	5-2,特征列feature_column	⭐️⭐️⭐️⭐️	1hour	✅
day18	5-3,激活函数activation	⭐️⭐️⭐️	0.5hour	✅
day19	5-4,模型层layers	⭐️⭐️⭐️	1hour	✅
day20	5-5,损失函数losses	⭐️⭐️⭐️	1hour	✅
day21	5-6,评估指标metrics	⭐️⭐️⭐️	1hour	✅
day22	5-7,优化器optimizers	⭐️⭐️⭐️	0.5hour	✅
day23	5-8,回调函数callbacks	⭐️⭐️⭐️⭐️	1hour	✅
	六、TensorFlow的高阶API	⭐️	0hour	✅
day24	6-1,构建模型的3种方法	⭐️⭐️⭐️	1hour	✅
day25	6-2,训练模型的3种方法	⭐️⭐️⭐️⭐️	1hour	✅
day26	6-3,使用单GPU训练模型	⭐️⭐️	0.5hour	✅
day27	6-4,使用多GPU训练模型	⭐️⭐️	0.5hour	✅
day28	6-5,使用TPU训练模型	⭐️⭐️	0.5hour	✅
day29	6-6,使用tensorflow-serving部署模型	⭐️⭐️⭐️⭐️	1hour	✅
day30	6-7,使用spark-scala调用tensorflow模型	⭐️⭐️⭐️⭐️⭐️	2hour	✅
	后记：一个吃货和一道菜的故事	⭐️	0hour	✅

Step4: 通过《CNN-Architectures》项目复现常见CNN模型，并阅读有关论文

CNN-Architectures： https://github.com/Machine-Learning-Tokyo/CNN-Architectures/tree/master/Implementations

使用tf.kerasAPI复现了一些常见CNN模型，包括：AlexNet、VGG、GoogLeNet、MobileNet、ResNet、Xception、SqueezeNet、DenseNet、ShuffleNet

Step5: 通过《Deep Models for NLP beginners》项目学习NLP基础知识

Deep Models for NLP beginners：https://github.com/BrambleXu/nlp-beginner-guide-keras

包括词向量、情感分类以及实体识别

Heven