@cshlxm 我的这个方法就是用 Anaconda 安装，只需要给系统装好驱动，别的都不用管了。不用手动安装 CUDA 和 cuDNN。

@leoleoasd 哈哈哈！不好意思，我以为你说你是高中老师哈哈哈。

@leoleoasd 哇塞，专业玩家啊！你是教什么学科啊？高中就给学生讲这个，真的很棒啊！非常开拓学生视野了，可惜我读书那会儿没有你这样的老师啊。

@dyxang wow，你是 AI 学科的老师吗？

@watermelon92 如果你英文阅读无障碍的话，我强烈推荐 keras 作者的书《 Deep Learning with Python 》。我觉得入门完美啊，抽象程度刚刚好，既不会陷入底层数学，又不会太“实战”（以至于只会调参不懂原理）。如果你想硬核一点，我建议先看吴恩达的 ML 课前三章，打好基础，然后就开始看他的 DL 课。基础知识应该差不多了，然后就赶紧去实践吧！

@leoleoasd 我想尽可能减少数学概念，我连“斜率”和“截距”这俩词都没用……导数方程我也没写，用图来表示来。这篇文章的目的是建立一种数学直觉。即使我写成这样，依然有朋友表示看不懂…数学全忘光了…

@yushiro 想要系统地学习的话，推荐看看吴恩达的课程，在论坛上确实很难三言两语说清楚。不过以你举的例子来说，我建议你先在不改变模型的情况下把输入输出换掉，看看效果，然后调整下参数再看看效果。深度学习就像炼金术，多实验会有比较大收获。

哈哈，可以发我写的科普文章《用高中数学理解 AI “深度学习”的基本原理》给他看看啊！里面有对线性回归和梯度下降的（自认为）生动讲解。

https://mp.weixin.qq.com/s/lCL-QTitZyB7rade6NkDIA

@CommandZi 哈哈，应该都是假的。原视频链接： https://www.youtube.com/watch?v=9Yq67CjDqvw&t=2s

@bokchoys 是啊我也很纳闷，怎么找不到热闹的社群，自学真的很寂寞啊！尤其是我这种不是做技术的，边上班一边自学。

@yushiro 我的理解是，线性回归问题离一般的神经网络模型隔了 2 个步。你理解线性回归后，我们再加一层非线性函数例如 sigmoid，我们就得到一个二选一的分类识别器。但是如果这样的模型表达力太弱了，你可以想象一下，猫照片的 4 万个像素跟“猫”这个概念之间肯定不是什么线性关系，而是某种超级复杂的关系。假设这种关系可以用数学的多次方程表达（实际上也确实可以），那么用神经网络来做，从目前来看，是算力上最高效的选择。至于你说要选择多少层，首选是参考大牛们模型，如果没有现成的模型，就要靠自己慢慢调参了。

@lojoeshawn @wzblog @iannil @qianfeilong 哈哈，谢谢！第一次发文，多多指教！