深度學習入門最少需要知道什麼？

本文是巡洋艦深度課程講師龔鶴揚根據文章 What you need to do deep learning __by Rachel Thomas 給出一個最簡單的回答。

經常有人會問：

深度學習需要什麼樣的電腦？

怎樣入門深度學習？

對於深度學習初學者，有什麼建議？

怎用應用深度學習技術到某個具體的問題？

這些問題其實就是

深度學習需要什麼樣的硬體，軟體，背景和數據？

硬體

深度學習硬體很大的受益於遊戲產業的高性能GPUs， 眾多不同種類的顯卡，我們推薦 Nvidia:

如果你的電腦沒有 GPU 或者不是英偉達的 GPU，那麼你有以下幾個選擇使用 fast.ai 的 Crestle 雲服務，亞馬遜雲， 阿里雲等。使用起來有些麻煩，使用方法參考原文：http://www.fast.ai/2017/11/16/what-you-need/ 。

軟體

深度學習是一個新興領域，軟體庫和工具包每天都在快速地提升。我們建議使用 Pytorch。為什麼不推薦 Tensorflow 呢？ 主要原因是 Tensorflow 的動態計算圖機制不成熟，其會話管理機制也有學習成本。Pytorch 適用於探索科研和快速開發模型原型， 它相對來說更容易理解和使用。原文總結了如下幾個理由:

易於調試

動態計算圖更適用於自然語言處理

支持傳統的面向對象編程風格

TensorFlow 的 上下文管理器和會話等機制需要我們花費額外的精力學習

背景

深度學習需要的基礎主要包括兩個部分：

一年左右的編程經驗

少量線性代數，微積分和概率論基礎

雖然數學對學好深度學習極其重要，但是我們不建議在前期花太多時間在數學基礎上。個人建議是直接看看西瓜書的數學附錄， 花書中的數學基礎部分。

數據

在大眾的印象中，訓練一個深度學習模型動輒需要幾百萬的樣本，然而這並不總是成立。很多時候我們利用遷移學習(結合數據增強技術)，我們用幾百上千個數據就可以訓練一個很好的深度網路了。 例如， 在 medical start-up Enlitic， Jeremy Howard 領導的一個團隊用 1000 個肺部CT掃描 圖像， 訓練出一個網路診斷肺癌，準確率比專家還要高！

C++ 庫 Dlib 中的一個人臉檢測例子，甚至只有4個訓練樣本！

遷移學習和數據增強技術減少了深度學習模型對數據量的需求。當然還有其他方法， 例如生成對抗，深度強化學習等很多時候不需要大量的人工標註樣本。而深度學習初學者需要用到的數據甚至直接集成在框架中（例如 Pytorch），直接調用就行。

巡洋艦深度課程系列文章

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！