大家好，今天小编关注到一个比较有意思的话题，就是关于python深度学习算法的问题，于是小编就整理了3个相关介绍Python深度学习算法的解答，让我们一起看看吧。
深度学习和Python的关系大吗？
有一定关系，但没有必然的联系。深度学习是一种算法，大家对他的研究一般都是通过某个深度学习框架进行，很少从头去写代码的。比较出名的框架有caffe,torch,tensorflow,pytorch。
比如说最初很有名的一个深度学习框架caffe,是用C++实现的，他的作者是一个中国人，贾扬清。贾大牛本科毕业于清华大学，这个框架是他在加州理工伯克利分校读博时候的作品，后来这个框架由这个学校团队在维护。它主要应用在卷积神经网络上面。caffe有python接口,就是说可以用python程序来控制caffe的运行。
Torch是另外一个比较流行的深度学习框架，这个深度学习框架是用Lua语言写的。Lua语言相对比较小众，很多人用它来写游戏脚本。Torch最初的支持者是Facebook。它相对于caffe来说更擅长在RNN方面的计算。
后来谷歌开发了tensorflow,***用的语言就是python,由于谷歌的大力支持，用tensorflow的人越来越多，再加上python本身有相当多数据处理方面的包。***用python进行深度学习的研究越来越主流。
于是，Facebook也把torch改进了一下，把它跟python结合了一下，搞了个pytorch。pytorch使用上比tensorflow要简单的多，再加上背后有Facebook的支持，很快与tensorflow有分庭抗礼之势。
总结一下，本来深度学习跟python没什么必然联系，一个是算法，一个是编程语言。但是研究深度学习大家一般都***用深度学习框架，而主流的深度学习框架tensorflow,pytorch都是用python写的，caffe也可以用python控制，两者因此也就有了联系。
这就给了很多奸商空子，打着深度学习的招牌教python,实际上教的东西跟深度学习半毛钱关系钱都没有。在此严重鄙视。
数学系研究生学深度学习除了python，TensorFlow和算法外还要补充什么计算机方面的知识吗？
C＋＋(速度快)，CPU/GPU编程(提速)，算法(提速)，哲学(对体系的深刻理解)，周易(调参灵感来源)，心理学(从人的思维分析)，脑科学(比如神经网络模型的来源)，玄学(神秘灵感来源)，养生学(身体棒才行的)。
深度学习如何从菜鸟入门？
想要入门深度学习，因为它实在涉及了太多方面，所以其中所需要学习的东西也不少，虽然我学习深度学习的时间不算久，但是在学习中还是有自己的一些方法和历程，主要有三个：
看视频
***教学现在变成大多数人会想到的首要自学方式了，在网易云课堂等平台上你会发现有很多的***都是在讲深度学习或者机器学习知识的。但是有一些***都是要付费的，而且会顺便教你 Python，但是我个人是没有去看这些课程，我推荐可以去看 Andrew Ng 的 DeepLearning.ai 的***，在网易云课堂上也能搜到免费的课程，课后的编程作业可以上网搜索。这个课程好在每个***都很浅显直观地说明一个知识点，平均每个***有 7 分钟，很短。全部看完结合作业的理解，也算是对深度学习有了个基本的认识。如果想要看原版的***及作业，可以去 Coursera 上付费观看，会提供课后作业并且帮你批改，还有社区交流，当你全部学完后还会给你颁发毕业证。
会实现
学习深度学习一定要会的一个语言就是 Python 了，你会发现基本上所有教深度学习的公开课上都会或多或少讲到 Python 的知识。所以如果你对于编程感兴趣，那么一个很好的方法就是试着使用代码去实现。我试过完全自己用 Python 写一个简单神经网络的代码，写完之后发现自己更加的知道其中的原理了。还有一个比较有趣的就是去 GitHub 上找一些项目，去跑。例如有 TensorFlow 风格转换项目，目标跟踪类的，没准跑着跑着突然就有个想法，想要试着应用到某个小东西上去。
多看书
有很多的书大篇幅地在讲理论，我个人觉得比较好的学习方法就是不一定要完全懂得其中的原理，先大概理解地去看，把整个知识面都过一遍，在之后实际应用或者操作时再深入的去理解，会更加印象深刻。看书学习不一定说要你硬啃理论，但是当你入门以后可以再回过头来仔细去看。推荐两本书：周志华的《机器学习》和 Ian GoodFellow 的《Deep Learning》，江湖分别称「西瓜书」和「花书」。
到此，以上就是小编对于python深度学习算法的问题就介绍到这了，希望介绍关于python深度学习算法的3点解答对大家有用。
