别问这个老师学姐是从哪找来的，学姐的交际圈非常广！但学姐会筛选真正对大家有用的东西！不会发些废话上来的！今天这篇CV小白的学习路径，主要包括以下几点：

● 1.基础知识

● 2.深度学习框架选择

● 3.如何入门深度学习

● 4.进一步提升

#01基础知识

基础知识包括：

传统图像基础知识，机器学习知识，以及相关的数学知识（包括：线性代数、矩阵论、统计）。

传统图像这块：

推荐一本书，就是冈萨雷斯版的图像处理，这本书讲解点非常全面，涵盖图像的方方面面，最新版本同样包括神经网络的一些知识点。作为小白建议看第3版就可以。

机器学习这块：

推荐看吴恩达的机器学习课程（视频在专辑页面）。

统计学习方法的书籍，当然西瓜书也可以。数学基础一般大学生都具备。

（后台回复“统计”，“西瓜书”即可领取电子书）

当然如果你要报班学习，大多数像paper课程、AI基础课程、深度学习课程、机器学习课程都已经涵盖了以上所有的基础课程，不过还是建议大家报名前问清楚再开始学习。

#02深度学习框架这块

最直接推荐大家使用pytorch，PyTorch中简单的图结构更容易理解。

更重要的是，PyTorch还更容易调试。调试PyTorch代码就像调试Python代码一样。你可以使用pdb并在任何地方设置断点。

pdb这块我有一份教程，后续再给大家总结所有的书籍和教材。总而言之，这里推荐大家使用pytorch作为入门框架。

#03如何入门深度学习

这可以最直接的方法，就是复现已有的论文。

我们都知道的深度学习开山之作alexnet，以及后续的googlenet、vgg、resnet等，这些网络模型在imagenet比赛上都取得了优异成绩。

（不知道怎么学？来看这篇抓狂！图像识别深度学习研究方向没有导师带该怎么学习？）

作为自我学习的小白，如果有能力把这些基础论文复现出来，并且搞清楚论文中的不同细节和技巧，那么对于当前的新模型也就没有太多的难度。

关键点是大家对于这些模型和论文没有一个具体的学习路径，这里推荐大家找学长或者大佬带学，或者直接报名paper的那种辅导课。一般这些课程是为大家提供的全面的路径，帮助大家复现论文，并且讲解论文其中的各种技巧。（如果拿不准报哪家可以来找学姐唠唠）

#04如何进一步提高

如果已经完成上述步骤，具备很好的基础知识和能力。那么如何进一步提高，最好的做法就是独立研究或者参与比赛。

如何独立研究？

最好的做法是，多读、泛读论文，选定一个方向领域，把这一领域的最新论文都泛读一遍，挑选出具有影响力的论文，学习其中的技巧，然后结合自己的研究点，做实验分析是否符合自己的研究问题，如果合适就有一个baseline。

然后针对baseline的不足，进一步找方法提高性能，当然这个是在对模型和问题有一定高度理解基础上。最后，在不断尝试以后，大家一定可以对自己的研究问题有所收获。

怎么打比赛？

对于打比赛来说，最好是找几个志同道合对同学一起比赛，赛前对题目、数据集、指标详细理解透彻，然后同学之间分工合作，共同完成比赛代码的编写。这时候，就要充分使用各种技巧，包括模型融合等方法。

比赛尤其考验个人的代码能力，当大家在研究和比赛都取得一定成绩后，那么大家也都算是大佬了。

最后，祝大家都成为算法大佬。如果你获得了一些帮助请关注【学姐带你玩AI】！帮学姐增加些人气！谢谢大家！