一.準備工作

1.jupyter notebook

2.pycharm及GPU配置

3.pip，numpy，matplotlib安裝

二.paddle安裝排雷

1.安裝時注意

2. paddle安裝後匯入到PyCharm，設定直譯器

三.從python到paddle，paddle框架優勢利用

但是paddle中有現成的介面，上述的各項操作，比如損失函式，啟用函式，最佳化演算法，設計器，在paddle中基本都是一兩行程式碼，直接匯入結束，十分簡單。

百戰程式設計師IT問題專業解答

1/5 分步閱讀

1、主要是本科最好，有著工科的基礎，而且學起來不費勁

第一階段：數學包括三科，也都是考研的三科：高等數學／線性代數／機率論

2/5

2、然後就是需要一些程式設計基礎和經歷然後學習python開發語言會盡快上手。

第二階段：程式設計python工具庫實戰／python網路爬蟲

3/5

第三階段：機器學習也就是基礎知識，機器學習導論

機器學習入門／機器學習提升

4/5

第四階段：資料探勘實戰，只有掌握了資料探勘處理，才能知道機器如何處理大資料的

資料探勘入門／資料分析實戰

5/5

第五階段：深度學習，深度學習神經演算法

深度學習網路與框架／深度學習專案實戰

人工智慧，是一個很寬泛的領域。

硬體：裝置嵌入式開發、感測器、機器人、自動駕駛汽車。。。

軟體：開發語言（c、python、java等）、各種領域軟體庫（opencv、nltk、kaldi等）、各種開發框架（tensorflow、pytorch、paddlepaddle等）。。。

理論：機器學習、深度學習、強化學習。。。

靠自己學習，需要很大勇氣，而且最大的問題，是學習很長時間，最後感覺，還是什麼都做不了。

就最近些年的經驗來說一下吧。

開始玩硬體，上手過Arduino、STM32等，學了一堆機器人理論，電子知識，學畫電路板。折騰一下，燒錢不少。這條路，愛好還可以，沒有足夠時間、資金條件，還是少碰。

現在主要說一下軟的這邊，推薦的路線：

學習過程，最好以目標為驅動，每個階段完成一個實驗目標，否則就容易放棄。

python語言是必須學的，現在的人工智慧程式，基本分析、訓練都是python，當然部署到裝置的還是c。學習中，可以學習一下爬蟲技術，一方面可以練手，另一方面，以後需要資料的時候，自己能蒐集。另外把資料處理相關的幾個庫：numpy、matplotlib、pandas、sklearn，特別是numpy。自己試著把爬到的資料能自己清洗。

*現在的人工智慧，一般指的是近階段的深度學習，主要領域有3個：

視覺 ---》opencv 是視覺處理庫，功能很強大，入門視覺必備，可以看看《OpenCV3 計算機視覺--Python語言實現 第二版》

NLP(自然語言處理) --》NLTK是語言處理包，當然還有不少相關工具，gensim，jieba等。此領域有一大堆術語，可以看看貪心學院的nlp課程。

語音識別，相對資料比較少可以看看俞棟的書，另外，kaldi的資料，以後也需要

三個領域，看個人愛好，選擇一個就可。就目前來說，視覺的資料最多，而且直觀。

選視覺推薦。

python+opencv，就可以做很多東西了，很好玩，比如人臉識別，全景圖製作。

有了基礎，再學些深度學習理論，可以看《深度學習》（Ian Goodfellow / Yoshua Bengio所著），被稱作聖經。當然，基礎的概念：反向傳播、梯度下降、目標函式、sigmoid、softmax、relu等等理解。

理論的學習的時候，同步可以看pytorch的官方教程，教程裡就有一些相關概念的實現。可以進行練習。pytorch，現在大部分搞研究，發論文都使用，感覺api比較清晰，而且介面一直變化不大。

當然tensorflow的官網也有教程，只是tensorflow的介面升級改造，而且2.0以前是靜態圖，跟一般程式設計邏輯理解彆扭，後來主要用pytorch了。但在工業界，也就是實際部署、企業應用，已經上線的系統，很多是tensorflow，人家早啊，而且工具集合全。

現在pytorch也不斷增強，兩者不分上下。

當然，國內的框架工具還有百度的paddlepaddle，一直在模仿tensorflow，現在推廣力度很大。

在使用人工智慧開發框架的時候，就可以做很多實驗了，如果能深入應用就可以了。

另外，有時間的話，可以補充一下機器學習的周邊知識，或者瞭解一下前沿的強化學習。

補充一句，在學習中，需要算力（GPU），價格不便宜。現在百度、華為都有可以免費獲得算力的方式，具體可以參考一下以下網站：

華為 https://www.huaweicloud.com/product/modelarts.html

可以參加他們的一些學習課程，獲得免費算力。

學一種技術的目的，還是應用，在推薦的過程中，自己只要找到一個點，持續做下去就行。

人工智慧主要是學習機器學習機器學習就是用有資料來建模的技術機器學習要學很多演算法人工智慧還包括深度學習深度學習是神經網路的一種深度學習比較難

首先得看是什麼基礎，比如數學、軟體、演算法、架構、心理學、自動化、腦科學、統計學等等，凡是短板都得補一補。

其次看你要解決哪方面的問題，如視覺識別、自動駕駛、天氣預報、語音語意、量化金融、影象處理、財務分析等等，每個領域的要求都不一樣，比如做醫學影響診斷的就得需要學習一些影像學知識。

需要找專業的老師帶著學，如果自學的話必須進入專業的圈子交流。

首先得看是什麼基礎，比如數學、軟體、演算法、架構、心理學、自動化、腦科學、統計學等等，凡是短板都得補一補。

其次看你要解決哪方面的問題，如視覺識別、自動駕駛、天氣預報、語音語意、量化金融、影象處理、財務分析等等，每個領域的要求都不一樣，比如做醫學影響診斷的就得需要學習一些影像學知識。

學位課程：馬克思主義基本原理、大學英語、學校體育理論課程、高等數學、實習、畢業論文等。

核心課程：機器學習、深度學習、神經元演算法、傅立葉變換、小波演算法、時間序列、初級的高等代數和機率論、c++、編譯原理、作業系統等等。

人工智慧主要是學習機器學習機器學習就是用有資料來建模的技術機器學習要學很多演算法人工智慧還包括深度學習深度學習是神經網路的一種深度學習比較難

作為完全自學過來的人說一句，什麼數學公式這樣那樣啥的，別被那些嚇住了，適合你的課件才最重要。高中及以上畢業的，只要不是明顯笨的，都能學會。我在影片欄發了個完全自己做的人工智慧音樂，有興趣可以看看。如果python過關了，有適合自己的課件，半年足矣。