前言
为什么写这个新手教程呢？是因为带过一些本科小朋友，刚开始学甚至没有学过深度学习，会不知道从哪里入手，有哪些资源可以利用等等。
学习嘛，学一些很难学的东西总是非常痛苦。有效的资源可以让学习者快速理解知识，快速上手，学习的过程也能变得愉悦。
好了，讲了这么多，其实我就是不想每次都发各种链接。
背景知识
本文假设你有一定的Python基础。没有的话就马上去学～
预备篇
我后来觉得要学习深度学习，作为学生而言，有些技术和工具是很重要的，应该在比较熟练掌握一些技术和工具之后，再去学习理论。
（待完成）
科学上网
目前的网络环境，不通过科学上网难以科研，难以访问Github，无法访问Google Scholar。
一开始可以先通过免费的公益节点先实现科学上网，然后以后有需要再搞个付费的，更稳定。
freefq/free
关键点在于：
1. 安装v2rayN
2. 订阅https://raw.fastgit.org/freefq/free/master/v2
Linux
- SSH，SSH客户端
- FTP，Filezila
- 常用命令：cd, ls, cp, mv, mkdir, pwd, rm…
Conda
- 为什么要用conda？
- 创建环境，激活环境，退出环境
- conda install安装库
理论知识篇
关于深度学习的理论知识，请一定要看台湾大学李宏毅老师的课程，醍醐灌顶，幽默风趣，我为他打call。网课视频在李宏毅老师的主页可以找到，应该是挂在YouTube上。墙内用户也可以看B站上面的版本，跟弹幕大军一起交流。
李宏毅主页：https://speech.ee.ntu.edu.tw/~hylee/index.php
b站1：(强推)李宏毅2021/2022春机器学习课程
b站2：李宏毅2020机器学习深度学习(完整版)国语
b站上还有很多，搜关键词【李宏毅】即可。
第二推荐的就是Andrew Ng吴恩达在Coursera上面的机器学习和深度学习两个课程。毕竟我当年就是看这个入门的。
b站1：吴恩达 Andrew Ng 机器学习课程汇总【超全 | 入门经典 | 中英双语字幕 | 】
b站2：DeepLearning–Andrew Ng（吴恩达）
Coursera1：Machine Learning Specialization
Coursera2：Deep Learning Specialization
再进阶的话，就是涉及一些比较新的模型和算法了，那就可以去看李沐的视频。
b站主页：跟李沐学AI
个人评价：
1. 李宏毅的最好理解，最轻松幽默
2. 吴恩达的讲得比较透彻，比较数学一些
3. 李沐的最前沿最新
深度学习工具平台篇
这部分就讲两个工具，PyTorch和TensorFlow。
1. PyTorch
学PyTorch请看这个教程 https://github.com/yunjey/pytorch-tutorial。
使用方法：开个jupyter一句一句跑，一句一句看结果，同时看看这个教程代码的注释，搞懂每一步tensor都是怎么变化的、函数怎么用的、模型怎么构建的等等，就学会了。
2. TensorFlow
其实我比较推荐PyTorch，但是免不了科研中需要复现人家的工作，而人家的代码是TensorFlow写的。可以参考这个教程 https://github.com/instillai/TensorFlow-Course。
使用方法跟PyTorch一样就行。
然后学完这两个教程，很有可能你依然不知道模型该怎么搭，怎么训练，怎么测试。很正常，因为你缺少实操。以后有机会真的自己从头开始复现一个模型什么的，你就真的掌握了。
AI对抗样本
讲这个主要是因为我就是研究AI安全的。
怎么生成对抗样本？一个典型的对抗样本生成方法是projected gradient descent (PGD)，只要去看懂下面这个代码就行，代码很简单，适合新手。看完这个至少马上会对对抗样本有个概念。
Github：PGD-pytorch
其他必备知识
- Linux的基本使用：因为你需要在服务器上训练
- SSH客户端，如putty、mobaxterm等：因为你要连接服务器
- FTP客户端，如FileZilla：因为你要很方便地传文件
- VScode，SSH Remote插件：因为你要写代码，并且需要方便地运行你的代码
- conda：因为你可能要做很多的项目，不同的项目会有不同的python环境
（待更新）