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，比如xx学院深度学习内部资源、深度学习从入门到进阶百吉字节资源、xx人工智能教程等。很多时候我们拿着十几吉字节、几百吉字节的学习资源，然后踏踏实实地放到了某个云盘里存着，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也没打开学习。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，选择一份真正适合自己的资料，好好研读下去，消化它。最终会发现收获很大。

2．放弃从零起步

深度学习的初学者总会在学习路径上遇到困惑。先是那些框架，就让你不知道该从哪里着手。一堆书籍，也让你犹豫如何选择。即便你去咨询专业人士，他们也总会轻飘飘地告诉你一句“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，如概率论、线性代数、机器学习、凸优化公式推导等。但是这样做的坏处是比较耗费时间，而且容易造成“懈怠学习”，打消学习的积极性，直到你彻底放弃学习的想法。真要按照他们的要求按部就班地学习，没有几年功夫，你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是比较枯燥的，远不如自己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有个系统的认识，然后从实践到理论，有的放矢地查缺补漏机器学习的知识点。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。