如何系统地学习深度学习？

深度学习已经在计算机视觉、语音识别、自然语言处理以及很多商业领域都有着特别广泛的应用。

给你介绍两种目前常用的深度学习技术：卷积网络和循环神经网络。

卷积网络，也叫卷积神经网络。卷积神经网络模拟了人眼观察图片的过程。人眼在观察一副图片的过程中,每次仅仅聚焦在一个局部区域，通过扫描的方式可以观察到完整图片。通过该种方式，卷积神经网络大大减少了计算量，加快了学习过程，在图片识别领域获得了巨大的成功。例如，我们经常使用的百度识图，采用的就是深度卷积神经网络技术。不仅如此，卷积神经网络也开始广泛运用在语音识别领域，比如科大讯飞的全新的语音识别系统。

深度学习另外的一个重要技术就是循环神经网络。与卷积神经网络不同，循环神经网络当前的输出结果与上一时刻的结果相关。它可以处理比如文本，语音，视频，气象观测数据以及股票交易数据等具有时间顺序的数据，预测接下来的发展。比如，当给定一句话的前半部分，循环神经网络会利用语言模型，预测接下来最有可能的一个词是什么。很多聊天机器人，比如微软小冰、百度小度、苹果Siri等语音识别、机器翻译、无人驾驶、人脸解锁、刷脸支付就是用了这个技术，甚至在一些领域已经出现慢慢接管人类工作的趋势。

实现深度学习的关键在于运用，我给大家提供了几个运用知识的具体方案:

一 把所学知识运用到相对应的环境中去。

我们学所有的知识，目的都在于运用，把所学到的知识运用到对应的环境中去，解决具体的问题，这才是知我所学知识的价值所在。

比如我们在学校，把所学到的各个知识点，运用到练习或者是考试中去。能够解决问题的知识才是真正属于自己的知识，否则懂再多的理论也是纸上谈兵。

二 运用所学的知识，举一反三，作为学习新内容的基础。

所有的内容都有一个由浅入深的过程，把前面简单的知识学会了，才有可能去学习更加高深的知识。

同样的也只有真正的掌握了前面的知识，才有可能融会贯通，再继续学习更加高深的内容，从而完成知识的更新迭代。

三 把所学到的知识分享给他人。

这个知识我会背了，会解决问题了，这还只是最基本的学习。真正的懂是能够分享给别人，并且别人也能听懂，这才是真正的学会了这一项知识。

每个人的基础和接受能力都是不同的，正确分析他知识水平来，灵活运用所学的知识，来制定分享方案，这对所学的知识，又提高了一个更高的要求。能够做到这一点，才算是真正完成了深度学习。

感谢诚邀！

所谓深度学习，是眼、脑、心三处协同专注于内容，以获得最佳的学习效果，个人关于深度学习提供以下几点心得

学前自问。向自己提问，学习的目的是什么？内心对内容的渴求程度、学习计划及学习时间、学习后的用途。自问的目的是让自己有更清醒的认知，保证自己在学习时的专注力

放空大脑。深度学习需要抛出杂念，从而专注于书本的内容，紧跟作者的思维展开联想，才能保证更好的记忆与沉淀

学习笔记。好记性不如烂笔头，边学习边做笔记，可以加深对学习内容巩固，也便于后续的复习

学习总结。总结即意味着回顾，将学习内容进行有效提炼，是验证学习成果最有效的手段

学习实践。实践是巩固学习成果的最佳方式，回到学习的初衷，也是为了最终践行，也将价值最大化。

综上5点，个人心得，供参考！不足之处，还请大家积极评论、补充！

更多学习分享，请关注头条号，每天与职场同仁学习总结，一同进步！

【勤聪云课堂 学习促成长】

系统的学习深度学习可以有以下几个路径

1、mooc网课，搜索深度学习选择其中一个国家精品课程，跟着学就完了，期间拿代码不停的练手，最好找个实际项目入手，带着问题去学，效率翻倍。

2、推荐邱锡鹏大神的教材《神经网络与深度学习》，我手里有pdf版本，给个截图大家看下。

有需要的同学可以点个关注，然后私信我，我发给大家。

一、深度学习特点：

积极主动；

时刻会引起、维持、促进自起去学习；

学以致用；

在真实情境中会解决问题；

高投入、高认知、高表现、个性化的学习，学会反思自己所学知识等。

二、促进深度学习的发生：

要明确：

学什么：知识与技能！

怎样学：过程与方法！

学会什么：能力、品格、观念！

所以在学习的过程中，学习方式与目标一定要做到匹配，通过对信息的加工，何以学会什么？就是学到的学科素养！

所以要用正确的知识通过正确的学习过程，来促进深度学习的发生。

4个深度学习法，把有限时间效率最大化！

1、放弃“没有生产力”的学习

要让学习有效，关键在于有无判断力与自制力，只让“有价值的念头”进入脑中。也就是：学会放弃。这是一个优化效率的战略技巧，因为只有懂得取舍，才能从混杂的信息洪流中脱身。

决定放弃与否的衡量标准，是这段学习历程究竟有没有“生产力”。花好几个钟头无方向地翻找资料，或苦苦思考一个无解的难题，当投资的时间远超出最终报酬，很容易在一连串压力下赔上生活质量。你也许觉得每个学习目标都意义非凡，但是交叉累积的结果，往往还没起步就已经精疲力竭。

2、学会自我管理

面对一长串待办事项，你的处理顺序是看心情，还是看事情？只有懂得自我管理，才能为真正的学习开拓出空间与时间。

对于运用时间，可以先列出一天除了睡眠之外的时间，再减去吃饭等一些必须花费的时间，剩下的，就是可以专心学习的时间。将这些时间以小时为单位划分，记得至少预留一小时完成琐碎杂事。如果有突发状况打乱计划，就停下来，花半分钟重新整理可运用的时间。

成功者的自律，在于尽力完成对自己的承诺。在面对待办任务，特备是长期任务时，与其催眠自己：现在时间还早，晚一点做没关系，不如立刻花30分钟完成一点进度，不管是写下大纲或者安排时程，都很好。同时，为自己设定不可延期的“阶段性截止时间”，作为地标，敦促自己专心达成短期任务。不断跨越一个个里程碑的满足感，会成为你持续冲向终点的最佳动力。

3、让远大目标，成为学习最佳动力

学习的自信来自成就感。培养自信的有效方法，就是修炼一项过人的技能，在某个专业领域插旗，建立个人特色。

顶尖的学生们相信一切都有可能，勇于制定说出来会让别人“哇！”声连连的远程计划。这些计划让他们在学习时，充满放手一搏的新鲜感和刺激感。

4、建立自己的读书和学习计划

埋头苦读前，先花10分钟完成这个动作：设计一张表格来检视接下来是否确实达标，或在墙上贴张巨大的知识地图，作为学习的具体索引。当中的祕诀是：愈奇怪愈好。让充满创意的学习计划，成为你不断学习的乐趣之一。

补充1：快速阅读法 是一种高效的阅读学习方法。“精英特快速阅读记忆训练”在于激活我们的“脑、眼”潜能，培养形成眼脑直映式的阅读学习方式。掌握之后，很快的阅读速度可以节约大量的时间，游刃有余的做好阅读，更为重要的是 在阅读文章、材料的时候可以快速的提取重点，促进整理归纳分析，提高理解和记忆效率。

补充2：如果没有理解知识，就不算是学习。理解，首先就是能用自己的话讲述，其次是你的讲述别人能够听懂，最后是能够运用你习得的知识解决问题。

可以用“假装自己正在授课”的方法，来检查和运用习得的知识。步骤很简单：首先选择一个核心概念，整理出“你自己的阐述”；然后想象自己的学生就在眼前，仔细设想使用什么样的解说方式，才能让对方迅速理解；最后借由反复教学、找出问题点。如果有地方卡住了，再回头检视原始资料，修正自己大脑内的知识。

补充:3：融会贯通所学，向深度学习迈进。对于融会贯通所学， “思维可视化”是一个可以广泛运用的技巧，将书上或平时生活中吸收的单点概念，透过系统化为完整的知识网络。信息图表、心智图（思维导图），都是常见的视觉化资料形式。

深度学习(DL, Deep Learning)是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标，人工智能。深度已经在图像分析、语音识别、自然语言处理、视频分类等领域取得了令人瞩目的成功。

建议学习路线主要为下：

1、高等数学、线性代数、概率论、数值计算等数学基础。

2、学习python语言，可以从通过书籍或B站视频等网络学习。深度学习中数据处理，以及模型的实现大多都是用python语言。

3、学习机器学习理论，了解统计学、感知机、向量机、决策树等基础概念。然后学习深度学习里基础的神经网络模型例如CNN、、RNN、LSTM、GRU等，这个主要可以通过书籍来学习，视频为辅。

4、学习深度学习框架Tensorflow、Caffe、PyTorch等。

5、在GitHub等开源网站上找项目来动手实践练习。

深度学习的基本思想是通过多层的网络结构和非线性变换，组合低层特征，形成抽象的、易于区分的高层表示，以发现数据的分布式特征表示。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

1.首先就是心要静，气要和，心平气和，才能保持头脑的清晰和清醒。

2.态度端正。端正的学习态度是深度学习不可缺少的，如果态度不端正，心理就有破损，很容易学一段时间后放弃。

3.学习过程中一定要专注。不要学习一会儿，玩一会儿，东看看这，西玩玩那，永远都进不去状态。

4.身体一定要保持精力充沛。旺盛的精力是一切的基础，保持身体的健康和精力旺盛是学习效率和深度学习的根本。

5.深度学习的关键在于专注一个方向。学会善于思考，举一反三，不断总结和反思，多问一个为什么，多问一个怎么做等。

深度学习目前主要有几个大的方向，包括：计算机视觉、自然语言处理等。互联网上有大量的免费学习视频，包括斯坦福等名校的公开课等。下面将介绍一些质量非常高的国外名校公开课。

计算机视觉

CS231n近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一。由斯坦福大学李飞飞主讲。

课程链接如下：https://www.bilibili.com/video/av13260183/#page=1

自然语言处理

Stanford大学在2015年开设了一门使用深度学习进行自然语言处理的课程，广受好评。视频课程链接：https://cs224d.stanford.edu/

上述课程都是深度学习最经典的公开课，需要一定的英语能力。

感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

可以加： xtechday （长按复制），进入Python爱好者交流群。

深度学习步骤大纲：

第一章：深度学习必备基础知识点

1．深度学习与人工智能简介

2．挑战与传统图像识别方法

3．前向传播之得分函数

4．前向传播之损失函数

5．梯度下降原理形象解读

6．反向传播过程实例演示

第二章：神经网络模型

1．神经网络整体架构

2．DEMO演示神经网络分类模型

3．激活函数

4．过拟合问题解决方案

5．参数初始化方法

第三章：神经网络案例实战

1．Python实现简易神经网络

2．感受神经网络的强大

3．基于cifar数据集的分类任务

4．构造神经网络进行真实数据集的分类

第四章：卷积神经网络

1．卷积神经网络模型效果

2．卷积层详解

3．卷积计算流程

4．卷积核涉及的参数

5．参数共享原则

6．卷积神经网络的反向传播

第五章：卷积神经网络案例实战

1．卷积神经网络的反向传播

2．实现卷积神经网络中的卷积层

3．实现卷积神经网络中的池化层

4．递归神经网络结构

5．RNN实现二进制加法器

6．LSTM网络简介

第六章：经典网络架构与技巧

1．经典神经网络架构ALEXNET与VGG分析

2．分类与回归任务

3．如何巧妙设计网络结构

4．数据增强策略

5．Transfer Learning

第七章：深度学习框架-Caffe

1．Caffe框架使用方法简介

2．数据层参数配置详解

3．各计算层参数配置详解

4．Solver超参数配置

第八章：Caffe框架使用案例实战

1．使用人脸数据集制作LMDB数据源

2．多label数据源之HDF5制作

3．训练配置好的网络模型

4．Python自定义网络结构

5．绘制网络结构图

6．生成网络配置文件

7．LOSS曲线绘制方法

8．使用训练好的模型进行分类任务

第九章：深度学习项目实战-人脸检测

1．人脸分类数据源

2．训练alexnet网络

3．多尺度人脸检测流程

4．代码完整实现

5．有缺点分析及改进

第十章：深度学习项目实战-关键点定位（基于Caffe）

1．人脸关键点检测算法框架（多阶段）

2．数据源制作及其坐标转换方法

3．对原始数据进行数据增强

4．完成第一阶段数据源制作

5．第一阶段网络训练

6．第二三阶段网络模型训练

7．网络参数初始化

8．训练网络模型并进行预测

8．项目效果及总结

第十一章：深度学习框架-Tensorflow基本使用方法

1.Tensorflow安装

2.基本计算单元-变量

3.常用基本操作

4.构造线性回归模型

5.Mnist数据集简介

6.逻辑回归框架

7.迭代完成逻辑回归模型

8.神经网络模型架构

9.训练神经网络

第十二章：深度学习框架-Tensorflow深度学习模型

1.卷积神经网络模型架构

2.卷积神经网络模型参数

3.模型的保存和读取

4.加载训练好的VGG网络模型

5.使用VGG模型进行测试

6.使用RNN处理Mnist数据集

7.RNN网络模型

8.训练RNN网络

第十三章：深度学习项目实战-验证码识别（基于tensorflow）

1.验证码数据生成

2.构造网络的输入数据和标签

3.卷积网络模型定义

4.迭代及测试网络效果）

第十四章：深度学习项目实战-对抗生成网络原理（基于tensorflow）

1.对抗生成网络形象解释

2.对抗生成网络工作原理

3.环境配置

4.构造判别网络模型

5.构造生成网络模型

6.构造损失函数

7.训练对抗生成网络

第十五章：深度学习项目实战-DIY生成你的数据集（DCGAN基于tensorflow）

1.DCGAN基本原理

2.DCGAN的网络模型架构

3.DIY你要生成的数据

4.配置参数

5.基于卷积的生成网络架构

6.基于卷积的判别网络

7.训练DCGAN网络

天善学院：先机致胜，破冰AI！深度学习模型、框架与实战！

https://edu.hellobi.com/course/158

主讲老师：

唐宇迪

深度学习领域多年一线实践研究专家，同济大学硕士。主要研究深度学习领域，计算机视觉，图像识别。精通机器学习，热爱各种开源技术尤其人工智能方向。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的最新算法。乐于钻研，解开每一个问题，把复杂的问题简单表达呈现，能帮助更多的同学入门深度学习领域。

可以加： xtechday （长按复制），进入Python爱好者交流群。

如果真的想系统的学习的话，手要做的就是去把高等数学三门课都好好研读下！基础工时概念都要熟悉。

这三门课是：1.高等数学2.线性代数3.概率统计

然后就因该去学习机器学习的专业课了，深度学习也是从这里衍生来的.所以打好基础很重要！很多优化调參的方法都是共同的.

建议可以去看斯坦福的在线课程进行学习.网易公开课里也有

最后就是实践了，当然如果想实践还需要有python的基础和编程能力！多看paper多看开源框架，我一般都用tensorflow

深度学习目前主要有几个大的方向，包括：计算机视觉、自然语言处理等。互联网上有大量的免费学习视频，包括斯坦福等名校的公开课等。下面将介绍一些质量非常高的国外名校公开课。

计算机视觉

CS231n近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一。由斯坦福大学李飞飞主讲。

课程链接如下：https://www.bilibili.com/video/av13260183/#page=1

自然语言处理

Stanford大学在2015年开设了一门使用深度学习进行自然语言处理的课程，广受好评。视频课程链接：https://cs224d.stanford.edu/

上述课程都是深度学习最经典的公开课，需要一定的英语能力。

我们小学的英语老师，她能用一节课的时间讲人生大道理，那也是我最爱听也最容易听懂的课。还有我现在的政治老师，一张卷子三堂课讲不完，说着说着就来课外话题，还会说“我咋又扯上不相关的了。”

对于学习这个问题，自己还是有一点心得体会的。我认为一个人成功，最主要的三种能力就是，学习力，自控力，执行力。今天我们就谈谈怎样才能深度学习！

一、深度学习学什么？

现在是信息时代，是互联网的天下，人们获取信息比以往更加方便快捷，这固然是好事，但是，铺天盖地的信息，也会影响和干扰我们正常的学习，深入的学习，很多人把大量的时间耗费在刷手机，貌似好像在获取各类信息，其实这些信息好多都是一些粗俗的，低俗的，浅薄的东西。花费大量的时间去看这些东西是学不到什么真正的本事。要想学到真本事，要想深度学习，我认为还要学习以下三个的内容：一是学教材。我才是国家花费巨大的人力物力精力，编写的。知识的高度凝结，具有很强的严肃性和严谨性，学习他，就相当于在学精华。二是学经典。经典是经过数百年甚至上千年的时间检验和实践验证，沉淀下来的东西，是精华中的精华，学习他，可以事半功倍。三是学权威。权威部门发布的知识和信息，才是有价值的，才是靠谱的，在浩如烟海的信息海洋里面，他就是值得你去登上的大船。

二是深度学习，提高思维能力是根本。

俗话说学历是铜牌，能力是银牌，关系是金牌，思维是王牌。真正决定一个人学习水平高低的，不是信息的掌握量，而是思维的高度，善于读书的人是把书越读越薄了，善于学习的人，是把知识转化为了发现世界本质和规律的思维能力，这才是学习的王道。

三是深度学习，学以致用是关键。死读书，读死书是毫无意义的，学习必须要指导生活实践，学习必须要创造实实在在的价值才有意义，这种价值不仅在于生产，而且在于改变自己的思维方式和生活方式，所以学习的关键还在于学以致用，把学到的东西用于创造价值，改变自己。这才是学习的出发点和归宿点。

想看看书，结果没翻两页就无意识地掏出了手机，等回过神来，半个小时过去了。

想写篇文章，刚起了个头，想着在手机上查点东西，结果各个APP一番巡礼下来，一个小时过去了。

想早点睡觉，突然来个信息，于是顺便刷刷朋友圈，再刷刷抖音、知乎，玩两盘游戏，不知不觉就一两点钟了。

于是，无论学习、工作还是睡眠，都处在一个极浅的状态，长期下来，整个人会处于一种极其浮躁和焦虑的状态。

想要系统学习深度学习，最好从机器学习开始，网上有个斯坦福机器学习的视频，是大牛吴恩达授的课，既有数学理论，也有实践演示，是非常不错的一门入门课程，接着就是网易云课堂上，一个吴恩达的深度学习课程，浅显易懂，学习后，深度学习的基本原理就懂了。然后就是深入啃书本，如花书，周克华一些深度学习方面的书。再深入就是看深度学习框架的源码，如caffe，tensorflow等。一个轮回过来，最终还会回到线性代数和概率论上来。数学基础很重要。

一以贯之。

举例说明：

孩子们学一首古诗《春晓》。

先正音识字，吟诵背过，理解意思，数数字数，体会每字音长，抚琴歌舞，毛笔书写，体悟本诗精神，活学活用，仿写创作等。

这里有正音，识字，数学，音乐，乐器，编舞，习字，理解，科学，自然，常识，写作，应用，思品等等。

这样就可深度学习。

我的孩子们每篇古诗文都是这样学习的。

这样学的很扎实，很全面，花时间又少。

百年前的古人也是这样学的。

十年寒窗后，优秀者可考取进士修齐治平。

没考取功名者也可凭数技之长服务社会，孝敬父母。

一点小体会，还请大家批评指正。

呵呵，这是一个说不太清楚的事，刻意不来的事！人与人的思维方式是不同的。有的人喜欢把眼前的思考，往深处想；有的人则喜欢把简单的往复杂处想；更有的人什么都不会去想的去随波逐流等等诸多借口。无论哪个借口，都存有一深，度思维方式，都值得学习与借鉴。比如我的深度学习就是_玩！玩什么？呵呵，凡是值得我去玩的，我都去学习！我就是这样一路学过来的，一直坚持到今天。

这个你要看指哪些方面的深度学习。这个问题也是要因人而异的，每个人都有自己的方法跟标准。我个人觉得不管做什么事情都是贵在坚持！

首先你要明白你学习的目的是什么，你学习之后能收获什么，能给自己带来什么样的提升？

庄子里面有句话：“吾生也有涯，而知也无涯。以有涯随无涯，殆已！意思就是我们的生命是有限，但知识却是无穷的，永远都学不完，我们用有限的生命去追求无穷尽的知识，最终只会把自累的精疲力尽。

所以我们学习必定要有目的，有方法。学习的目的也就是自己的所需、所求、所喜好。人的学习到最后都是要发挥作用的，要么运用到生活当中，应付人来人往的交际，名色财利的追求。要么就是补给自己的精神与心灵。

当你有了自己明确的目标，接下来就是学习的方法，我们不管学什么最重要的就是透过现象看本质，唯有看到了事物的根本，你才是完全的掌握了最深层的技巧。这个最深层的技巧就是思想。例如，你看一本书，里面能让你受益的东西并不是纸上的字字句句，而是作者的思想，这才是一本书最珍贵的东西，一本书的灵魂所在。

所以我们学习要有深度就是学习有思想的东西，当我们从别人的思想开始慢慢的积累，到最后形成自己的思想，哪怕生命有限，你也可以创造无限的价值。

更多精彩敬请关注头条号：妙法虚空行

把所学的东西反复的学习

想要系统学习深度学习，最好从机器学习开始，网上有个斯坦福机器学习的视频，是大牛吴恩达授的课，既有数学理论，也有实践演示，是非常不错的一门入门课程，接着就是网易云课堂上，一个吴恩达的深度学习课程，浅显易懂，学习后，深度学习的基本原理就懂了。然后就是深入啃书本，如花书，周克华一些深度学习方面的书。再深入就是看深度学习框架的源码，如caffe，tensorflow等。一个轮回过来，最终还会回到线性代数和概率论上来。数学基础很重要。

学习和深度学习，是两个完全不同的概念

时下，很多人都会存在一个学习误区：把持有当作拥有，把阅读、学习本身，当作学习的效果。

当说起学习，很多人都会自骄的说，一年读了XX本书，学到了XX个知识，并且附上详尽的学习笔记和思维导图。但他们都弄错了学习本身的含义，学习并不是追求你存货多少，而是需要把学到的东西，运用到生活、工作当中去，或者至少对你个人有所启发。

如何才可以做到深度学习？

不轻易下任何一个断言，永远保持这思考的习惯，寻求事物背后的规律。深度学习要求你不断的主动去思考，把知识做到内化于己。

1.用自己的话复述。所有的知识都不需要死记硬背，而是试着在理解的基础上，把它表达出来，就好像你把它教给一个完全不明白的人一样。这样，通过不断的讲述，让你的大脑保持思考的习惯，把知识点完全内化。

2.发散联想。学习的过程中，时常会遇到一些很有趣的知识点，或者一些很实用的知识点。此时，你要学会发散性思维，举一反三，把它相关联的知识点都罗列出来，做到系统化、全面化，这是一种更有效的学习方法。

3.用主题去统领内容。因为工作需要，当你需要去学习某个技能或知识时，你可以先罗列出你需要学习的各点各面，再去寻找一切相关的资料，把各种碎片化的信息整合起来，成为自己的知识体系。

4.丰富知识网络。有了以上3个步骤之后，你还要定期对自己的知识进行审视、总结，勾画出一个思维导图，相信我，你又可以得到新的观点，以此不断的进行自我迭代。

深度学习是一个悟彻的过程。孔子曾经听到一个学生说自己掌握的知识很多，仅此而已。孔子就非常生气，就告诉这个学生，我不仅掌握的知识多，而且我能一以贯之。言外之意就是，能悟出知识当中统一的道理，举一反三，触类旁通。选择学习内容很重要，半部论语可治天下，如果你读的都是金庸小说，它就没什么价值和深度。所以我们要找到那些深刻的书籍来读，好书有一个特点，在眼前展开了很多窗户，自己的思路非常开阔。最好的书籍是赋予我们想象力的，因为想象力比知识更重要。想象力可以使我们联想到很多东西，在这个过程当中，我们更容易找到那种四通八达的一以贯之，通透悟彻。悟彻了之后，我们就能举一反三，触类旁通，达到活学活用的境界。

现在的科技发展速度非常快，对于智能设备将是一个发展方向，而其实我们以为的智能设备并不具备我们这样的学习能力，他们是通过无数图片，视频去发现其中的学习秘密，然后慢慢发展成为智能化的，其中大家最熟知的就是深度学习这个词了，但是很多人不知道什么是深度学习？如何保持深度学习？其实简单来说就是电脑芯片的深度挖掘，可以让芯片处于长时间的工作达到保持深度学习。

首先深度学习这个词并不是用于我们人类上的，如果让人类深度学习估计会崩溃，这是非常巨大的工程，我们现在把机械的芯片当做一个有生命体的存在，但是他们的灵智非常差，他们想要学习达到高水平，就必须每时每刻保持着工作去发现，而这时候就需要从外界给他们无数的例子，他们才能够掌握其中的秘密，这就是现在的人工智能识别图片的功能来源。

他们一天看无数个图片，才能够具有识别的功能，而这其实就非常像挖矿，需要芯片不断长时间去工作，一直挖掘着一大坐山一样的存在，我们人类可以休息，但是他们不行，他们是机械，想要很快地进展就必须每时每刻地学习，这就是所谓的深度学习了。

这里其实我们就可以看做平时挖矿人员，用显卡去挖矿，不是一张显卡就能搞定的，需要弄很多显卡成一个工作室，来同时不间断挖矿，但是这也是非常消耗芯片寿命的，这样的显卡一般寿命都无法保证，说个题外话，也不建议懂电脑的人去买矿卡，虽然便宜但是没有任何保证，说不定哪天打游戏就突然挂了，这是没有任何维修的，不要贪图这种小便宜。

步骤1：知识在大脑里的组织1、分类分组多维度，理解的维度越多，未来可提取的机会越多，但这个维度依赖于你之前的知识积累，这也就说明为什么知识越多的人学的越快，高手与新手看同样一个“新东西”，他可以很快掌握的原因；

2、摘要、大纲化用你的语言表述出来，各种文本和表达方式不一定适合你的背景和习惯，将看到的内容用你的语言和理解表达是一个转化的过程。同时，通过摘要和大纲是简化的过程。

3、层级化这个内容表述的知识在你的知识体系里面处于什么层级，当然这有个前提是你脑袋里已经有相应的层级。举个例子说，我看到一个讲互联网社区运营方法的文章，我可能会将它归到知识管理---知识管理系统---知识社区--知识社区运营策略下面，也可能会归到更大的KM运营策略的部分。

层级化也涉及到维度，你也可以将其多维度的层级考虑进去。

本人所在十一学校是一所以自学自研为主的学校，老师给予我们充足的时间自学，一开始真的不适应，对着一本干干净净的书，感觉无从下笔，脑中一片空白，经过长时间锻炼以后，我摸索出了一套自己的方法。

首先要通读文本，画出各段重点，然后自己提出不明白的问题，借助网络等媒介解惑答疑，然后合上课本，自己尝试画出思维导图，再通读课本进行完善，最后的难题去找老师解决，然后再开始大量刷题。

谢谢大家！

深度学习?第一反应是沉下心来学习，不知道你所指的是不是，还有一种理解是，思考或理解的到位、周全、有深度。

个人认为，首先要有决心和毅力，自律性高，。第二，要多读多看多思，养成良好的习惯。第三，多练习。

首先要培养兴趣爱好

把学到的知识做综合性的总结就能走进另外一个深度。

05-08 23:19教师

感谢邀请！

想要有收获的人生，就必须要学习，要会深度学习。

一个人，如果小时候没有很多的书看，他可能自然而然养成反复阅读一本书的习惯。今天赶紧看完了太阳升起的美景，赶紧学着去表达自己的感受。明天再看太阳落山的光辉与早晨的不同。更因为一本书，一个作者的引导，晨起，晚逐，爱着生命中的一切。

一个人，如果小时候有很多的书看，他的父母的言谈或有相应的学识，可能会引发他看书探究相应的内容，也就是深度学习了。

从这我们可以看出深度学习跟年龄无关，只为探究自己想知未知要解开，不断向上！

这就是如何才能深度学习之所在。

1.想要深度学习必须不断学习。所谓熟读唐诗三百首不会作诗也会吟，就是这个道理。

2.想要深度学习必须要学了之后进行输出表达。学习之后要舍得分享，大胆分享。我的学生我会引导他们去讲甚至比划给父母长辈，任何人听，当他讲不下去，他就知道做小老师的不易，就好提问。当他讲得津津有味，他就知道帮助别人的乐趣，更提升自信。

3.想要深度学习要啃一些大部头，比如词典，比如四大名著，比如从小就不断读一些外文故事，思维就会不拘一格，视野开阔，心胸开阔。这样就更会深度学习。

4.想要深度学习，必须要有依据书的自我理解做四思维导图，否则只为做个导图只能适得其反，初浅得就像走马观花，索然无味。不在于看深奥的书，才叫深度学习。而是想看的书，反复看。我就曾经看这本书，《和俞敏洪一起创业》，（上不了图）细看了三遍。

5.想要深度学习，就是为解决学习中生活中工作中遇到的问题。尤其是遇到问题找不到高手帮助解决；有了像爱情一样无法解决的心忧，唯有深度学习才能开解顿悟。

夜深了，愿我们如饥似渴、深度学习，并得以解饥解渴！晚安！

我的英语书:

也透出了上面几点。

没有热爱敏感度，专注，投入不够和没有意愿很难坚持，有所发现，深入。不能找到交流和使用就回报，激发，反馈，动力不足。

本质来讲，深度学习是优化问题、概率问题、数据处理问题。因此，可以按以下三个步奏进行理论和实践的学习。第一步：基础知识，线性代数、优化问题、概率统计、矩阵微分求导、深度学习经典神经单元、吴恩达/李飞飞组教程等等；第二步：经典模型学习，确定研究方向，各种模型训练技巧学习，深度学习平台工具熟悉与使用；第三步：实践，深度学习现在来看更像一种微分工具，多实践，多读论文。

深度学习一般分为自学和培训两种学习方法，自学的话，学习难度比较大，我个人还是建议培训学习好一些，在这里推荐优就业去学习，优就业有这方面的课程，目前貌似就他们家有，你可以去了解一下

第一步：能够比较熟练的使用python

第二步：跟着一些深度学习相关的视频学习，如在网易云课堂上吴恩达的深度学习课程

第三步：学习一种深度学习的框架 如 TensorFlow

第四步：读相关的论文，实战

认真的去做好一件事。不要被旁边的事情所迷惑。

关于这个问题，我觉得应该静下心来，心静自然凉，只有心静下来，大脑才能平静的思考问题，才能认真的学习，学习才有动力，才有干劲，深度学习才能有保障。

目前就自己而言，就是看教程，看博客，然后自己动手实践，当然我本人也是刚入门的生手，还没有过多的经验，然后接下来计划多实践些开源的算法和公开数据大规模测试实验，希望共同努力早日入门

深度学习离不开深度思考，深度学习是在已知的知识点之间建立相关性的过程，深度学习的最高境界是能够发现知识里面所隐含的关系和信息。

所有能够有所成的人都是深度学习的高手。

沉下来，入进去