本文共 1711 字，大约阅读时间需要 5 分钟。
介绍
深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉”和游戏（AlphaGo）等领域的突出表现而闻名，甚至超越了人类的能力。近几年对深度学习的关注度也在不断上升，这里有一个可以参考。
这里有一个 Google 的搜索趋势图：
如果你对这个话题感兴趣，这里有一个很好的。如果你有兴趣了解最近的趋势，那么这里有一个很好的。
在这篇文章中，我们的目标是为所有深度学习的人提供一条学习之路，同时也是为想要进一步学习的人提供一条探索的路径。如果你准备好了，那么让我们开始吧！
步骤0：先决条件
建议在学习深度学习之前，你应该先了解一些机器学习的基础知识。列出了完整的学习机器学习的资源。
如果你想要一个简单的学习版本。那么可以看下面的列表：
- （特别是微积分，概率和线性代数）
建议时间：2-6个月
步骤1：机器配置
在进行下一步学习之前，你应该确保你有一个支持你学习的硬件环境。一般建议你至少拥有以下硬件：
- 一个足够好的 GPU（4+ GB），最好是 Nvidia
- 一个还可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不适合）
- 4 GB RAM（这个取决于数据集大小）
如果你还不确定，那么请阅读这个。
备注：如果你是一个硬件玩家，那么你可能已经拥有了所需的硬件。
如果你没有所需的规格，那么你可以租一个云平台来学习，比如 。这是使用 AWS 进行深度学习的。
备注：在这个阶段不要安装任何深度学习的库，安装过程我们会在步骤 3 中介绍。
步骤2：初试深度学习
现在，你已经对这个领域有了一个初步的认识，那么你应该进一步深入了解深度学习。
根据自己的偏好，我们可以选择以下几个途径：
- 通过博客学习，比如 ，。
- 通过视频学习，比如 。
- 通过书籍学习，比如
除了上述的先学知识，你还应该了解一些流行的深度学习库和运行他们的语言。以下是一个不太完整的列表（你可以通过查看 获得更加完整的列表）：
其他一些著名的库：，，，，，，。关于深度学习语言，可以查看这个。
你也可以查看查看 Stanford 的 CS231n 中的第 12 讲，概要性的了解一些深度学习库。
建议时间：1-3周
步骤3：选择你自己的领域
这是最有趣的部分，深度学习已经应用在各个领域中，并且取得了最先进的研究成果。如果你想更深入的了解，那么作为一个读者，你最适合的路径就是动手实践。这样才能对你现在了解的内容有一个更加深入的认识。
注意：在以下的每个领域中，都会包括一个博客，一个实战项目，一个需要的深度学习库以及一个辅助课程。第一步你应该学习一下博客，然后去安装对应的深度学习库，然后再去做实战项目。如果在这个过程中，你遇到什么问题，那么可以去学习辅助课程。
深度学习在机器视觉中的应用
- 参考博客：
- 实战项目：
- 深度学习库：
- 推荐课程：
深度学习在自然语言处理中的应用
- 参考博客：
- 实战项目：Deep Learning for Chatbots, , 。
- 深度学习库：
- 推荐课程：
深度学习在语音中的应用
- 参考博客：
- 实战项目：
- 深度学习库：
- 推荐课程：
深度学习在强化学习中的应用
- 参考博客和实战项目：
- 深度学习库：没有需要的深度学习库，但是你需要 来测试你的模型。
- 推荐课程：
建议时间：1-2个月
步骤4：深挖深度学习
现在你应该已经已经学会了基础的深度学习算法！但是前面的路程会更加艰苦。现在，你可以尽可能高效的利用这一新获得的技能。这里有一些技巧，你应该做的，可以磨炼你的技能。
- 重复上述步骤，选择不同的领域进行尝试。
- 深度学习在别的领域的应用。比如：，。
- 利用你学到的心技能去做点别的事，比如参考这个。
- 参加一些比赛，比如：。
- 加入一些深度学习社区，比如：，。
- 跟随一些研究人员，比如：。
建议时间：无限
一些比较好的资源：
Reference：
原文：
如果觉得内容有用，帮助多多分享哦 :)
长按或者扫描如下二维码，关注 “CoderPai” 微信号（coderpai）。添加底部的 coderpai 小助手，小助手会拉你进AI实战群。
如果你想加入基础算法讨论群，请加QQ群：294609183
