很多朋友都知道，我最近在gitchat上线了一门课。现在课程已经结束了，借此机会做个总结。原价也不过一顿普通盖浇饭的价钱，如果对你有帮助，欢迎支持与提出改进意见。

01

 

初衷

当下以深度学习为依托的技术，在图像和语音领域取得了许多重大的进展，已经不会有人再怀疑深度学习的落地能力。而学校专业课程的开设，都是这两年才开始准备的，笔者已经算是相关专业人士，也没有认真的在学校学习过这样的一门课程，虽然现在有很多的公开课，但是大部分内容不够全面。

 

所以，我要开设这门课程，主要是面向两类人群，一类是刚入门的学生，它们可以借此课程，快速熟悉基于深度学习项目的整个业务流程；一类是想转行的人，它们可以借此快速掌握基础但全面的工程能力。

 

从一个项目的调研讲起，到数据的获取和准备，开源框架的熟悉，和小程序前后端的部署，已经讲了一个非常完善的生态。

 

当然，这并不是全部，毕竟篇幅有限，以后有机会再给大家补充更多的知识。

 

课程的内容已经更新完了，我邀请了几个购买了此课程的朋友写了读后感。

 

“龙哥的课程从基础开始做铺垫，以实际项目为基础，结合自身多年工作经验，深入浅出讲解了如何使用深度学习技术做为后端服务器，以及用小程序作为前端展示的框架搭建，对于整个流程均有深入讲解，并且对于各个部分均做出了学习介绍和规划。这是对入门深度学习及其实际项目落地的一个深度解析课程。”

“龙哥为了能让读者以实际案例着手，手把手引领新手入门，为此付出了巨大努力。他恳切的介绍了自己的学习和人生经验，从入门到从业，从从业到思考未来方向，对于每一位学者来说都是受益匪浅。”

学习龙哥课程，不仅仅能深窥深度学习的核心要点，更重要的是能结识更多志同道合的伙伴。鹏哥搭建的高质量学习平台，所有学员或者嘉宾几乎都来自国内外一流名校，这也将成为一笔宝贵的财富，感谢龙哥。

——李卡

鹏哥的 GitChat 课程是很值得认真仔细研读的。他的每一次课程内容都是用心准备的干货，他的课程可以带你迅速入门深度学习，他凭借着多年来的项目经验让你少走弯路，这样可以以最高效的获取计算机视觉入门所需的几乎所有知识点。

他课程的总体思路是让你完整的了解深度学习项目从开始调研到最后部署在微信小程序上的整个流程。他的课程尽量避免了那些赘述，直截了当的揭开深度学习神秘的面纱，伴随着课程的学习，让你实际的走完一个深度学习项目。同时，该课程也很注重实战，在课程中，详细的讲解了三个深度学习框架：Caffe、TensorFlow、Pytorch，课程中也展示了这三个开源框架的代码实现，还有包括最后微信小程序部署的前后端，也给出了很生动的代码示例。读者可以伴随着这个课程自己动手尝试，一定会有很大收获。

 

——李健

本期课程是从学习调研开始，感谢老师的指点让我发现了缺点，这点是我以前学习中忽视的一点，无法及时捕捉到相关技术的最新发展成果也是我的一种失败。

课程后面穿插着深度学习的各类基础知识、各类开源平台，让我对深度学习的认识提升到了新的高度，训练迭代部分解答了我以往学习中困惑、受益匪浅。

课程结尾讲述了部署到微信小程序，这部分激发了我的学习兴趣，以前做实验中我曾经成功地将训练出来的模型部署到安卓平台，但与小程序相比，这样的过程任然是繁杂的。希望以后能做出更多更有意思的小程序。

龙鹏老师的课程我一直在跟进学习，无论是课程安排上或是课程内容，这都是一门无可挑剔的课程，感谢老师的细致用心，祝愿越来越多的热爱深度学习的小伙伴能发现这门不容错过的精彩课程。

 

——李毅

感谢360前老大也写了一个推荐。

 

本课程是基于深度学习的图像项目开发实践课程。作者提供了一个非常完整的从深度学习理论、实践到工业级生产的链条。既有基础的代码与图像知识，深度学习入门理论、基于 Python 的几大主流开源框架的使用；又有实际项目开发中调研立项，从需求分析到实际业务模型的训练与迭代，最终到模型部署、小程序的前后端开发。本课程非常适合深度学习初学者作为入门，也适用于需要进一步巩固深度学习技能的从业者，十分推荐！ 

 

——陈强，360 人工智能研究院科学家

 

02

课程特点

在不到15节课的内容里，我力求能够让大家循序渐进地掌握比较全面的知识。每一节课延伸后其实都是深度学习里面非常重要的方向，尤其是像数据的准备和整理这样可能被新手忽略的课程，是需要不断积累经验，不断踩坑之后才会有深刻体会的。模型的迭代和优化，又是深度学习算法工程师的核心竞争力所在，所以本课程麻雀虽小，五脏俱全。

对于有些章节，我还是要重点强调一下：

 

数据有关的部分

在学校里面做研究的时候，我们有大量高质量的开源数据集，这就会导致很多学生会看轻数据这个问题，很多学生到了工作岗位都拒绝标注数据。我听一个一线互联网公司的朋友说过，他们招实习生，先来标注两周的数据，如果态度还不错，就继续培养，如果不行，就不再培养。

在过去的一年中，我自己大概标注了 10 万左右的数据，有时候是应急，有时候是给别人标注不放心。

很多的时候，真是需要自己撸袖子干的，如果没有建立对数据的敏感，那么后面当模型效果不好是由数据造成的时候，就很难定位到，届时就会遇到瓶颈解决不了问题。

掌握高效率地数据获取渠道，好的数据整理习惯和敏感的数据语感，才能真正地让数据产生价值。

 

开源框架部分

任何一个熟练的老手，都不可能只会使用一个开源框架。在现在开源框架如此之多，且都很流行的情况下，不管是为了储备技术还是为了快速 Follow 前沿研究，TensorFlow、Pytorch 和 Caffe 是必须熟练掌握的，所以我专门开了三节课来说这个问题。

网上大部分的教程都是从官网上摘取例子然后互相抄袭，使用官方的数据 API，这其实并不是很好地掌握框架的方法。所以，对应于每一个开源框架，我都从数据的准备、模型的从零开始搭建、模型的训练、模型的测试这4大块进行了详细地讲述，力求让大家一鼓作气掌握框架的核心，从而为精通框架做铺垫。

 

数据和模型迭代

这一块是整个深度学习里面最核心，最需要经验的部分了。数据的迭代是繁琐的，数据的整理费时费力，数据的获取有时候不是那么容易，而整理好的数据可能又不能训练出好的模型，可能又得重新回去整理，推翻以前的方法，直到最终获取好的结果。这一点，没有标准答案，需要算法人员不断累积经验。

模型的迭代，是很有挑战的。工业级别的产品，不是学术界只要结果正确就行，而是要追求性能，追求性价比。所以，就会对我们模型的大小速度提出很多的要求。一方面我们需要设计出很鲁棒的模型，一方面又需要设计出很精简消耗资源少的模型，就在不断压榨的过程中，算法人员也在压榨自己的经验和智商。

数据迭代和模型迭代，心急吃不了热豆腐，必须一步一个脚印。

 

微信公众号前后端

为什么要来写这一块儿呢？有句话说得好，一个人可以走的更快，但是一群人才能走的更远。为什么呢？一个算法工程师可以做到极致，但是如果仅仅是算法，并不能产生多大的价值。它还需要产品、前端、后端、设计等来辅助它，才能使自己的算法，为更多人所用。

现在，国外的很多大公司，都喜欢全栈工程师。全栈工程师的确在很多的时候能提升工作效率，我们不要求大家同时精通算法，Android，iOS、前端、后端，但是基本的技术还是应该掌握，何况也不难。

所以，我选择了微信小程序这个生态，来将前后端的技术也给大家介绍了一遍，把自己的算法做上线，才是一件最酷的事情。

 

03

有三后话

有三并不是什么大神，我能保证的，是出自我们平台的东西，全部都是我和小伙伴认真的原创总结，不写水文只写实践经得起推敲的干货。

 

这是我们技术人员的基本素质和态度，与大家分享，我们会感觉快乐充实与自豪，也欢迎大家来投稿交流。

 

最后，大家不要忘了我们的 GitHub地址和知乎专栏，会持续不断更新干货。

不要忘了我们的小程序，会不断上线一些学员做的好玩的东西。

注：图片全部为实验数据图片

 

—END—