1.5.1　關于兩個“放棄”

1．放棄海量資料

沒錯，就是放棄海量資料！在我們想要入門深度學習的時候，往往會搜集很多資料，比如xx學院深度學習內部資源、深度學習從入門到進階百吉字節資源、xx人工智能教程等。很多時候我們拿著十幾吉字節、幾百吉字節的學習資源，然后踏踏實實地放到了某個云盤里存著，等著日后慢慢學習。殊不知，有90%的人僅僅只是搜集資料、保存資料而已，放在云盤里一年半載也沒打開學習。躺在云盤的資料很多時候只是大多數人“以后好好學習”的自我安慰和“自我”安全感而已。而且，面對海量的學習資料，很容易陷入一種迷茫的狀態，最直接的感覺就是：天啊，有這么多東西要學！天啊，還有這么多東西沒學！簡單來說，就是選擇越多，越容易讓人陷入無從選擇的困境。

所以，第一步就是要放棄海量資料，選擇一份真正適合自己的資料，好好研讀下去，消化它。最終會發現收獲很大。

2．放棄從零起步

深度學習的初學者總會在學習路徑上遇到困惑。先是那些框架，就讓你不知道該從哪里著手。一堆書籍，也讓你猶豫如何選擇。即便你去咨詢專業人士，他們也總會輕飄飄地告訴你一句“先學好數學”。怎樣算是學好？深度學習是一門融合概率論、線性代數、凸優化、計算機、神經科學等多方面的復雜技術。學好深度學習需要的理論知識很多，有些人可能基礎不是特別扎實，就想著從最底層的知識開始學起，如概率論、線性代數、機器學習、凸優化公式推導等。但是這樣做的壞處是比較耗費時間，而且容易造成“懈怠學習”，打消學習的積極性，直到你徹底放棄學習的想法。真要按照他們的要求按部就班地學習，沒有幾年功夫，你連數學和編程基礎都學不完。可到那時候，許多“低垂的果實”還在嗎？

因為“啃”書本和推導公式相對來說是比較枯燥的，遠不如自己搭建一個簡單的神經網絡更能激發自己學習的積極性。當然，不是說不需要鉆研基礎知識，只是說，在入門的時候，最好先從頂層框架上有個系統的認識，然后從實踐到理論，有的放矢地查缺補漏機器學習的知識點。從宏觀到微觀，從整體到細節，更有利于深度學習快速入門。而且從學習的積極性來說，也起到了“正反饋”的作用。