深度学习（Deep Learning）是机器学习（Machine Learning）的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。而人工神经网络（Neural Network，NN）是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型，用于对函数进行估计或近似。深度学习是人工智能发展非常重要的内容，不仅仅有人工神经网络，而且还因为其训练机制。神经网络在使用之前会进行大量的数据训练，训练时提供输入数据，以及正确的输出结果，神经网络就会在一遍又一遍的训练中，越来越接近正确的答案。
培训内容：
1.深度学习模型学习对深度学习底层数学原理有一定的认识，只需要知道它是通过了那些数学方法进行处理运算，不需要自己来写，有了解即可。充分了解现有的主流深度学习模型，例如yolo，mobilenet，asm，mediapipe，dqn，gan。明确的知道模型的流程，每一步的输入输出，能够成功的运行模型，自己采集数据集训练自己的模型。
2.嵌入式模型部署学习正常运行代码的平台都是我们X86框架windows电脑，但是我们参加比赛因为体积、功耗、价格等限制，常常使用的是嵌入式设备，简单来说就是一个只有一只手大小的微型计算机，这种设备有自己的系统如linux、openwrt，使用的是arm框架或者是risc-v框架的处理器，这和正常使用的设备有很大的差距，但是比赛必须使用。linux（狭义指ubuntu18.04）操作系统的学习，了解linux系统的文件体系，灵活使用linux系统的终端命令。能够在嵌入式设备上运行python代码，搭建深度学习环境，运行深度学习模型。
首先，你们应该对模型的搭建和训练有了一定的了解，后面就是要学习基础知识，但是让你们在十几二十天内不可能掌握的那么深，最主要的是学会选用模型完成所给定的任务，并且你们现在才大一，线代没有学，学习的时候肯定会云里雾里，所以后面的学习不要求每个地方原理都掌握，但是基本的概念得掌握，比如，卷积层，池化层，激活函数等。
1.学习方式
学习我推荐有四种：
1.跟着李沐老师学，他讲的就是pytorch框架，并且会手把手教你怎么搭建模型之类的，但是他的视频前面会讲一些数学原理，后面大多讲的都是代码之类的。
2.看网页书，这本书是跟李沐老师视频配套的一本书，大概的内容跟视频差不多
3.莫烦老师（较为精简）
4.吴恩达的偏向于机器学习，偏向于理论的学习，建议可以暑假回家之后再跟着学
2.学习任务
目前，我们需要学习一些深度学习的底层知识，上面四种方式建议是第一种和第二种结合起来学习，大概的学习时间应该是8-10天左右。
任务：因为每个人的学习方式和速度肯定有所差异，因此这个阶段不要求强制性任务，任务不需要强制的笔记，只需要告诉我你们每天学习了哪些东西即可
__END__
