干货分享|如何快速学习深度学习？
很早之前，听过雷军说的一句话：“站在风口上，猪都可以飞起来”！这句话用来形容现在的深度学习非常贴切。是的，近几年来，深度学习的发展极其迅速。其影响力已经遍地开花，在医疗、自动驾驶、机器视觉、自然语言处理等各个方面大展身手。在深度学习这个世界大风口上，谁能抢先进入深度学习领域，学会运用深度学习技术，谁就能真正地在 AI 时代“飞”起来。
对于每一个想要开始学深度学习的大学生、IT 程序员或者其他想转行的人来说，最迫切的需求就是深度学习该如何入门。图书《PyTorch深度学习与企业级项目实战》的作者来谈一谈自己的看法。
1. 必须选择编程语言：Python
俗话说“工欲善其事，必先利其器”。学习深度学习，掌握一门合适的编程语言非常重要。最佳的选择就是Python。为什么人工智能、深度学习会选择 Python 呢？一方面是因为 Python 作为一门解释型语言，入门简单，容易上手。另一方面是因为 Python 的开发效率高，Python 有很多库很方便实现人工智能，比如 NumPy、SciPy做数值计算，Sklearn 做机器学习，Matplotlib 将数据可视化，等等。总的来说，Python 既容易上手，又是功能强大的编程语言。可以毫不夸张地说，Python可以支持从航空航天器系统的开发到小游戏开发的几乎所有领域。
这里笔者强烈推荐Python，因为Python作为一个万能胶水语言，能做的事情实在太多，并且它非常容易上手。笔者大概花了50个小时学习了Python 的基础语法，然后就可以开始动手写神经网络代码了。
总之，Python 是整个过程并不耗精力的环节，但是刚开始记语法确实挺无聊的，需要些许坚持。
2. 必须选择一个或两个最好的深度学习框架（如PyTorch）
对于工业界的人工智能项目，一般都不重复造轮子：不会从零开始写一套人工智能算法，而往往选择采用一些已有的算法库和算法框架。以前，我们可能会选用已有的各种算法来解决不同的问题。现在一套深度学习框架就可以解决几乎所有问题，进一步降低了人工智能项目开发的难度。Facebook人工智能研究院（FAIR）团队在GitHub上开源了PyTorch深度学习框架，并迅速占领GitHub热度榜榜首。
如果说Python是我们手中的利器，那么一个好的深度学习框架无疑给了我们更多的资源和工具，方便我们实现庞大、高级、优秀的深度学习项目。
奥卡姆剃刀定律（Occam's Razor, Ockham's Razor）又称“奥康的剃刀”，它是由14世纪英格兰的逻辑学家、圣方济各会修士奥卡姆的威廉（William of Occam，约1285—1349年）提出的。这个原理称为“如无必要，勿增实体”，即“简单有效原理”。正如他在《箴言书注》2卷15题说的“切勿浪费较多东西去做，用较少的东西，同样可以做好事情。”
深度学习的底层实际结构很复杂。然而，作为应用者，你只需要几行代码，就能实现上述神经网络。加上数据读取和模型训练，也不过寥寥十来行代码。感谢科技的进步，深度学习的用户接口越来越像搭积木。只要你投入适当的学习成本，总是能很快学会。PyTorch是当前主流的深度学习框架之一，其追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。今年大火的ChatGPT是由OpenAI使用Python编程语言实现的自然语言处理模型，是基于深度学习技术实现的，使用了Python中的 PyTorch等深度学习框架来训练模型。
3. 必须坚持“唯有实践出真知”
现在很多教程和课程都忽视了实践的重要性，将大量精力放在了理论介绍上。我们都知道纸上谈兵的典故，重理论、轻实践的做法是非常不可取的。就像前面谟的第2个“放弃”一样，在具备基本的理论知识之后，最好就去实践、编写代码，解决实际问题。从学习的效率上讲，速度是最快的。我编写的《PyTorch深度学习与企业级项目实战》一书，在介绍深度学习原理、卷积神经网络、PyTorch框架用法的基础上，实战13个典型的深度学习项目，可以带领读者快速入门深度学习。
对于毫无AI技术背景，只会Python编程语言，从零开始入门深度学习的同学，不要犹豫开始学习吧，深度学习入门可以很简单！
本文摘自《PyTorch深度学习与企业级项目实战》，获出版社和作者授权发布。