代码运行软件安装：

anaconda:一个管理环境的软件–>https://blog.csdn.net/scorn_/article/details/106591160（可选装）

pycharm：一个深度学习运行环境–>https://blog.csdn.net/scorn_/article/details/106591160（运行代码必装）

推荐书籍：

通过百度网盘分享的文件：深度学习(花书).pdf等2个文件
链接：https://pan.baidu.com/s/1brof0cXPURJ_amc05HcpYA?pwd=565P
提取码：565P

网上书记：Deep Learning (书籍): 由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写的经典教材，涵盖了深度学习的各个方面

如果不习惯下述学习网站可以参考：B站（此吴恩达课程优先学习）

机器学习：https://www.bilibili.com/video/BV164411b7dx/?spm_id_from=333.337.search-card.all.click

深度学习：https://www.bilibili.com/video/BV1FT4y1E74V/?spm_id_from=333.337.search-card.all.click

代码教程：https://github.com/lmoroney/dlaicourse ：对应吴恩达课程的作业部分

基础知识:

1. 数学基础： 对于深度学习，需要了解线性代数、微积分、概率论和统计基础。可以参考以下资源：
   • Khan Academy 的相关课程：线性代数、微积分、概率和统计
   • MIT OpenCourseWare 的线性代数和微积分
2. 编程基础： Python 是深度学习最常用的编程语言，因此需要掌握 Python 语言。可以参考以下资源：
   • 菜鸟教程 Python 3 教程
   • 廖雪峰的 Python 教程
3. 机器学习基础： 要理解深度学习，首先需要了解基础的机器学习概念。可以参考以下资源：
   • Coursera 上的机器学习课程 （吴恩达教授开设）
   • 西瓜书《机器学习》

深度学习基础:

1. 深度学习理论： 学习深度学习的基本概念和算法，如神经网络、卷积神经网络、循环神经网络、优化方法等。可以参考以下资源：
   • Coursera 上的深度学习专项课程 （吴恩达教授开设）
   • 斯坦福大学 CS231n 课程
2. 深度学习实践： 学习使用深度学习框架（如 TensorFlow、PyTorch）实现深度学习的应用。可以参考以下资源（英语要求较****高）：
   • TensorFlow 官方教程
   • PyTorch 官方教程
   • 动手学深度学习
3. 深度学习项目实战： 通过实际项目来提升深度学习的实践能力，例如 Kaggle 上的深度学习比赛。

经典课程与PPT.代码资源学习

此外，还有一些中国的优质深度学习课程，例如清华大学的深度学习课程，浙江大学的机器学习课程等。

项目实战（后期用）：

通过百度网盘分享的文件：【PPT】随堂课…等3个文件
链接：https://pan.baidu.com/s/1xaYK-pbGK-rBBfiPFN1RJg?pwd=13f4
提取码：13f4

其他问题可以直接Q我，有求必应