1.深度学习框架普及如今，随着深度学习技术的发展，学术界和工业界出现了很多流行的深度学习框架。我给大家科普一下。它们目前在学术界和工业界更受欢迎。几个深度学习框架将帮助你在未来进一步研究深度学习。1.1TensorFlowGoogle的TensorFlow是当今非常流行的机器学习框架，在学术界和工业界都占有一席之地。它可以用于各种机器学习相关的任务。Tensor是张量，也可以理解为多维向量，Flow是流，代表基于数据流图的计算。这是深度学习领域最基础也是最必要的框架。它支持Python、JavaScript、C++、Java、Go、R等多种编程语言，同时还能运行在iOS、Android等移动平台上。由于TensorFlow使用静态计算图进行运算，这就是Flow流的意思。因此，在使用该框架进行模型构建时，我们需要先定义图，即模型图，然后运行计算。如果我们需要对架构进行更改，我们需要重新训练模型。这种方法是为了提高训练效率，但是不能动态修改模型，必须在所有模型训练完成后进行模型调整。关于TensorFlow框架的学习，这里我建议大家可以去MOOC在线系统学习，而且全程免费，非常适合初学者：https://www.icourse163.org/course/youdao-14605781621.2Keras在以后的TensorFlow学习中，Keras的使用是必不可少的。Keras也是一个对新手用户非常友好的深度学习框架。如果你想快速上手深度学习，Keras框架也是一个不错的选择。Keras是一种高级的TensorFlow集成API，可以轻松地与TensorFlow集成。目前2.0版本的TensorFlow框架插件库已经搭载了Keras，可以很方便的在TensorFlow中使用Keras框架。使用Keras快速构建深度学习模型是高效学术研究的关键。因为Keras是高度模块化的，所以搭建网络非常简单。同时API简单，易于扩展，易于添加新模块。2.Python必备知识IT界流行一句话，就是“人生苦短，我用Python”。所以不学点Python，想在深度学习领域发展真的很难。以后无论是软件开发还是算法设计，Python都是一个强大的工具，也是学术研究和求职中必备的开发语言。因此，在学习TensorFlow之前，最好先了解一些Python的基础知识，这样才容易学习和掌握。这里有一些基本的Python基础知识。（1）Python语言基本语法：程序基本语法（程序格式框架、缩进、注释、变量、命名、保留字、数据类型、赋值、语句、引用）、基本输入输出函数（input()、eval（），打印（））。（2）基本数据类型：数字类型（整数型、浮点型和复数型）、数字类型运算（数值运算符、数值运算函数）、字符串类型及格式化（索引、切片、基本格式（）格式化方法）)、字符串类型操作（字符串运算符、处理函数和处理方法）、类型判断和类型之间的转换（3）程序控制结构：控制结构（顺序、选择、循环）、程序的异常处理（4）函数和代码复用：函数的定义和使用，函数的参数传递，变量（局部变量和全局变量）（5）组合数据类型：列表类型（定义，索引，切片）和操作，字典类型和操作（6）文件和数据格式化：文件的使用，数据处理（表示，存储，处理）3.框架部署环境选择有了以上基础知识，机器学习框架和资源的部署就完成了e也是特别重要的一点，目前环境部署主要是Anaconda，下载好Anaconda之后，再在Anaconda中进行资源选择和环境部署，尤其是CUDA版本一定要匹配TensorFlow。否则最终模型训练会报错。同时还要确认GPU和CPU的选择。建议为GPU和CPU分别部署一个环境，这样在训练图像数据集的时候，切换到GPU版本，其他训练切换到CPU版本，这样更方便也不容易出错。具体部署操作网上有很多教程，这里不再赘述。至于代码编辑器的使用，业界普遍使用Pycharm，学术界普遍使用jupyter，各有千秋。您可以全部体验，然后选择适合您的脚本编辑器。开发环境准备操作，推荐初学者参考MOOC课程，免费注册学习：https://www.icourse163.org/learn/youdao-1460578162?tid=1461280442#/learn/content?type=detail&id=1239099004&cid=12599920174.个人推荐部署资源环境对于电脑条件优越或者训练一些模型数据集少的同学，在自己的电脑上部署环境训练模型是可行的，训练速度也比较快。但是，对于大数据集的复杂模型，有时不得不使用一些在线的机器资源，而用于模型训练的机器资源也特别紧缺。基本上，市场上的大多数模型都需要付费才能使用。这里为了大家以后更好的进行模型训练，我提供一个在线机器资源给大家使用，而且是免费的。这个资源平台就是九天必胜平台，被认为是目前最良心的算力平台。您可以搜索进入官网进行注册使用。至于模型训练和部署的具体操作，后面会详细介绍。另外，TensorFlow官方提供了免费的资源环境供用户使用。详情请参考：https://www.icourse163.org/course/youdao-1467217161。如果想快速了解模型部署，也可以去看看本周谷歌开发者专家做的在线讲解和问答：https://zhibo.51cto.com/liveDetail/3735.机器学习路径和建议更好的实现或者在使用框架时使用机器学习知识，因此，最终目标是掌握机器学习知识，并利用这些知识解决一些现实世界的问题。需要有机器学习的思想，即现实中的一切都可以用机器学习领域的数据来表示，然后建立模型来理解、学习或识别这些数据，从而找到数据之间的规律和特征，让模型真正像人一样理解事物，让模型具备处理这类事物的能力，并在未来类似的事物或事件中得到应用。因此，这里涉及到几个问题：如何将事物数字化或表征，如何建立模型，如何输入模型，如何训练模型，如何调整模型参数，如何衡量模型的性能，以及最后如何用模型解决现实问题，提供了比较系统的机器学习入门课程，供大家学习理解：https://www.icourse163.org/learn/youdao-1460578162?tid=1461280442#/learn/content?type=detail&id=1239078006&cid=1260002014另外，对机器学习基础知识感兴趣的同学，建议大家看看周志华的《机器学习》，俗称西瓜书。本书详细解释了机器学习的基本概念。大家可以根据自己的学习情况选择掌握数学公式。对于想要仔细研究公式推导过程的同学，本书还配有教程参考书《机器学习公式详解》（又称南瓜书）。在此，真心推荐大家阅读这两本书，最好是对西瓜书和南瓜书比较熟悉的程度。这对以后的学习会有很大的帮助。最后给大家分享一份关于部署的问卷。感兴趣的同学可以花5分钟时间参与，有机会赢取数量有限的TensorFlow帆布包。只需三步即可完成，非常简单。1.点击链接填写问卷https://wj.qq.com/s2/11353529/a72b/2.点击链接在【课程评价区】留下有效评论https://sourl.cn/YTdpAL3.发送两张截图，添加小助手参与抽奖。期待大家在机器学习的道路上越来越好！笔者介绍稀饭，社区编辑，曾就职于电商人工智能研发中心大数据技术部，从事推荐算法工作。目前从事自然语言处理方面的研究，主要专业领域包括推荐算法、NLP、CV，使用的代码语言包括Java、Python、Scala。发表ICCC会议论文1篇。
