计算机视觉的资料分享

这一个星期在搞PGL框架，没想到居然连例程都跑不通，折腾了很久都没得，只能暂时搁置下来，把问题反馈给GitHub上面的工作人员，所以这一个星期暂时更一篇计算机视觉的资料分享，本文主要汇总一下目前我收集到的所有深度学习资料，希望能起到抛砖引玉的效果

数据处理

在把数据放进我们搭建好的网络模型之前，我们通常都要把数据先处理一遍，直到它符合模型的要求，比如tensorflow.keras的CNN就要求数据要有4个维度，不然刚塞进去跑的时候就会报错，这时候就需要用numpy的reshape函数先给他从3个维度扩大到4个维度，然后才能把数据塞进网络模型里面去跑，那么通常我们需要用到的处理工具就有numpy以及pandas，以及数据可视化工具matplotlib

1、numpy：如果说要来一波迅速查找的话，官网还有RUNOOB是一个挺好的选择，此外B站也有很多不错的教程，比如莫烦大佬的numpy与pandas的教程

2、pandas：经常和numpy一起出现，作为数据处理的一个常用工具，常见的教程自然就有上文的莫烦老师，目前RUNOOB上面没有对应的文档，想要查什么直接上官网查就好啦

3、另外，和前面两个框架一起搭配使用的自然便有数据可视化工具matplotlib，这三兄弟一起露脸的几率非常高，可以顺便过一下，因为其官网的例程足够丰富了，所以我也没大翻什么学习资料

深度学习框架

在把数据处理好之后，我们便需要拿数据去喂给我们的模型，那么按照公式纯手撸自然是可以的啦，不过博主目前还没这能力，只能默默地按照框架一步步搭建好。目前最为主流的便是tensorflow以及pytorch两个框架，此外我们国内也有一个新开发的框架——paddlepaddle

1、Tensorflow：凭借当年阿尔法狗打败李世石的雄风，tensorflow在深度学习领域得到较高的声誉，目前工业领域用的比较多的便是tensorflow，如果你偶尔要写写openmv等嵌入式的话，也是需要学tensorflow的，因为它们目前大部分是支持tensorflow lite的。资料推荐一个Github上面的项目，以及一个知乎上面的一个专栏，毕竟现在tensorflow2.0的框架相比于第1代改变挺多的，添加了一个keras的高级API，可以方便我们做一些日常的建图

2、Pytorch：尽管pytorch出现的比较晚，但是凭借其代码的可读性比较高，以及接口调用简单，动态图等优势，在学术界也得到广泛的青睐。推荐的资料便有莫烦老师的教程，以及Pytorch中文网的一些教程。关于选择tensorflow还是pytorch这一篇文章会告诉你，一句话就是如果是学生党或者研究人员先学pytorch，如果是工程师先学tensorflow，有空的话2个一起学

3、Paddle：相比于前面两个框架，paddle的知名度并不是说那么高，而且其社区相比于前面两个不是说那么成熟，不过凭借着以百度AI这一个平台，paddle拥有一套较为完整的教程去带你入手这一个框架，也有相应的QQ群、Github等回答问题的机制去弥补社区不成熟的不足。最近paddle2.0也支持动态图了，还是可以期待的。官网的教程便有百度AI的打卡训练营以及官方的例程文档

常用公众号

目前微信公众号也常常会推送一些技术贴，和你分享一些前沿的知识等等，以下便是我关注的几个微信公众号

1、Jack Cui：分享一些有趣的深度学习项目
2、Opencv中文网：会时不时给你推送一些前沿的论文，比如说WACV，ACCV的论文盘点
3、机器之心：一个比较综合的公众号，目前也会时不时报道一些图神经网络的消息
4、DOI技术团队：这是一个技术型网站，可以到上面翻一些项目，还有一些各大模块的入门知识等等

另附：白嫖GPU的方法

有些时候遇上大型训练或者自己的电脑没有GPU，我们不得不去找一些其它网站提供给我们硬件，这里附上一篇由Jack Cui前辈发布的文章，分享如何白嫖GPU