人工智能（AI）、机器学习（ML）、深度学习（DL）在当下的火热程度我就不多说了，同时又有很多人想入门进入这个领域，尤其是深度学习这个细分领域。
本文将带你了解入行深度学习前需要做的一些准备。同时，你也会了解到深度学习的学习路径。
注意：本文是用来帮助做学前准备的，所以不会涉及到具体代码层面的知识。
01 、高性能的显卡
深度学习相对于其他技术如：前端、php等编程语言，对于硬件的要求有一定的提高，其中最重要的就是显卡，目前做深度学习的常用的显卡就是Nvidia的显卡。
显卡核心的参数就是显存，因为大部分模型是在GPU上完成训练，所以这个显存当然是越大越好。
对于前期的学习，4G足够了！因为目前大部分模型任务，不管是验证还是训练，各类框架下4G用起来没问题。
02、高配的电脑
此处，我不会推荐任何品牌的电脑设备，但是对于初学、转行、入门的同学来说，最好还是选择笔记本，主要就是用起来方便。
至于品牌和价格，大家可以自己比较，苹果本可以吗？当然可以，但可能不是最好的选择，毕竟CPU再强，也无法和GPU相提并论，当然如果你不需要自己训练模型，倒是可以考虑。
03、移动硬盘
深度学习数据集一般情况下都是100G左右的大小，在没有移动硬盘的情况下进行数据分享、移动是非常麻烦的。
可以购买500G以下的固态硬盘，一方面是价格便宜些，另一方面大家平时也不会用到1T的存储。
04、系统的选择
对于想深挖深度学习领域的同学，我建议还是直接使用Ubuntu系统。MacOS也不是不行，但是装起库来还是Ubuntu更方便。
但是如果你仅仅是想学学看，可以继续使用Windows，只不过是有些操作会麻烦一些，但还好的是并不会影响到你的学习进度。
05、一个学习小组
深度学习学习的复杂程度，要比学习前端、php等编程语言复杂的多。
如果你在学习中遇到一些困难，很多时候遇到问题并不是一个人就能搞定的，最好有一个学习小组，一起交流、探讨。如果还不行，就需要专业的导师为你进行指导。
06、实战项目
仅仅靠学习理论知识，而不进行实操训练，永远写不出漂亮的代码。
所以你需要实战项目巩固基础，不断进行练习。而实际项目中的问题要比一个简单的测试demo要更加复杂，同时也能独立思考学到更多有价值的东西。
做项目常用的三个方式
1、去企业实习，做实战项目，可以有人带。但是从2019年秋招的困难程度来看，没有基础去面试深度学习实习岗，基本是不可能通过的。
2、去网上找一些开源的深度学习项目。目前网上这样的项目还是挺多的，但是对于没有基础的人自己独立完成，还是比较有困难的。
3、认真反复实操课程中的一些项目，进行刻意练习的训练，对于其中的知识点形成肌肉记忆。
07、编程基础与数学基础
一定要有python基础，若是没有的话，建议学习一些python基础的课程。
对于大部分工程师而言，不会用到特别深奥的数学基础，但是基本的概率论、线性代数、基础统计学知识还是要有的。
08、学习路径
具体你需要经历以下几个步骤：
· 深度学习整体概述：了解深度学习的前世今生、为什么会爆发深度学习热潮？代表的技术有哪些，涉及到什么样的领域、产品、公司，以及各行各业中的应用；
· 深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；
· 深度学习核心知识：神经网络、深度网络结构、图像任务、语音任务、自然语言任务；
· 深度学习进阶知识：如何使用深度学习框架，完成网络的搭建、训练。
本文转自： CSDN，作者：nick ，转载此文目的在于传递更多信息，版权归原作者所有。
