1.5.1　关于两个“放弃”

1．放弃海量资料

没错，就是放弃海量资料！在我们想要入门深度学习的时候，往往会搜集很多资料，什么某某学院深度学习内部资源、深度学习从入门到进阶百GB资源、某某人工智能教程，等等。很多时候我们拿着十几GB、几百GB的学习资源，将其踏踏实实地存储在某云盘里，等着日后慢慢学习。殊不知，有90%的人仅仅只是搜集资料、保存资料而已，放在云盘里一年半载都忘了去学习。躺在云盘的资料很多时候只是大多数人“以后好好学习”的自我安慰和自我安全感而已。而且，面对海量的学习资料，很容易陷入一种迷茫的状态，最直接的感觉就是：天啊，有这么多东西要学！天啊，还有这么多东西没学！简单来说，就是选择越多，越容易让人陷入无从选择的困境。

所以，第一步就是要放弃海量资料！转而选择一份真正适合自己的资料，好好研读下去、消化它！最终会发现，这样做收获很大。

2．放弃从数学基础起步

深度学习的初学者，总会在学习路径上遇到困惑。先是那一系列框架，就让我们不知道该从哪儿着手。一堆书籍，也让我们犹豫该如何选择。即便去咨询专业人士，他们也总会轻飘飘地告诉我们一句“先学好数学”。怎样算是学好？深度学习是一门融合概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术。学好深度学习需要的理论知识很多，有些人可能基础不是特别扎实，就想着从最底层的知识开始学起，概率论、线性代数、凸优化公式推导，等等。但是这样做的坏处是比较耗时间，而且容易造成“懈怠学习”，打击了学习的积极性，直到自己彻底放弃学习。真要是按照他们的要求，按部就班去学，没有个几年时间，我们连数学和编程基础都学不完。可到那时候，许多“低垂的果实”还在吗？

因为啃书本和推导公式相对来说比较枯燥，远不如直接搭建一个简单的神经网络更能激发自己学习的积极性。当然，不是说不需要钻研基础知识，只是说，在入门的时候，最好先从顶层框架上开始，有个系统的认识，然后再从实践到理论，有的放矢地查漏补缺机器学习的知识点。从宏观到微观，从整体到细节，更有利于深度学习快速入门！而且从学习的积极性来说，也起到了“正反馈”的作用。