¡Interesante pregunta! Puede comenzar revisándose primero algunas matemáticas. Álgebra lineal, probablemente pasando por algunas manipulaciones de Matrix y Matrix, no las cosas hardcore, solo las cosas de multiplicación matriz-matriz. Aprenda alguna probabilidad, en su mayoría probabilidad condicional, porque las redes neuronales están mayormente llenas de ellas. Con eso despejado, comience con algunos cursos de aprendizaje automático para familiarizarse con los conceptos básicos. No hay problemas si no puedes entender todo al principio.
Una vez que aprenda sus matemáticas y el aprendizaje automático (opcional), debe visitar Tutoriales “Aprendizaje profundo. Es todo un tutorial sobre qué es el aprendizaje profundo y por qué es tan exitoso. Es realmente rudo para principiantes e intermedios que nunca han visto el aprendizaje automático antes o están parcialmente familiarizados con los fundamentos sobre el aprendizaje automático. Por supuesto, tener cierta familiaridad con el aprendizaje automático lo ayudaría a comprender el aprendizaje profundo con mucha facilidad, pero si puede comprometerse a aprender más al respecto y ser paciente y repasar las cosas de de vez en cuando, lo dominarías.
Ahora, antes de comenzar con el tutorial, debe tener una buena computadora con Nvidia. Luego obtenga Python si tiene Windows o no se molesta en obtenerlo en Linux, ya que viene incorporado. Linux es prácticamente el sistema de goto para cualquier programación, por lo que te sugiero que lo entiendas. Pero de todos modos, simplemente obtenga el paquete Theano: descárguelo directamente o clónelo desde Github. Una vez que tengas a Theano listo e importable en Python, deberías comenzar a leer los tutoriales. Y recuerde probar los programas en su GPU. Si eres un usuario de AMD / ATI Radeon como yo, entonces es una mala noticia para ti, cuando se trata de la implementación de GPU: solo debes mantener tu computadora funcionando durante toda la noche como yo mientras compilas y ejecutas los programas, porque tu CPU lo hará no tiene otra opción, pero confiar en sus propios recursos. Pero si tiene una buena GPU Nvidia con alrededor de 2-3 GB de VRAM, obtenga los últimos controladores cuDNN y CUDA, realice cambios en la configuración del indicador en Theano, escriba los programas de los tutoriales de aprendizaje profundo y vea su PC compilar los programas estilo kickass y producir resultados como un jefe.
- ¿La pérdida de softmax es igual a la pérdida de entropía cruzada?
- ¿Cuál sería la arquitectura más apropiada para entrenar una red neuronal basada en dos imágenes de entrada?
- Podría ser el primer experto en aprendizaje automático en una empresa como consultor o a tiempo completo. En cualquier caso, ¿cuál debería ser mi tasa?
- Cómo usar el método probabilístico para probar el problema de Ramsey multicolor
- ¿Qué es la ganancia de información en el aprendizaje automático?
Si te pica una locura por poner más potencia de GPU en estos programas, obtén una buena PC con la GPU Tesla de la serie K: esos chicos malos están hechos para el aprendizaje profundo.
¡Espero que ayude!