学习路线：
数学基础：因为深度学习里面的数据需要矩阵之间的运算。所以，最好先补充一些线性代数等相关数学知识。说到线性代数，先容许我吐槽一下国内老师的讲解，真的是让人一头雾水。学到的知识就是，矩阵点乘是行乘列计算的，行列式是这么计算的。感受就是，我只知道了该怎么计算，会做题，可是这么运算的背后逻辑是什么，为什么是这么运算的，我们却不得而知。因此，记忆也就不那么深刻，使用起来也没有那么灵活了。在此，推荐一下MIT教授Gilbert Strang的一门线性代数课，这门课在Bzhan上可以直接找到，这门课讲解浅显易懂，注重于让你理解线性代数而不是死记硬背。不管你是线代初学者，还是之前学过现在没什么印象了，相信你在认真看完这门课程后一定会有很大收获。
汇编语言：掌握一门编程语言是一定。python是一个简单、易读、易记的编程语言，而且是开源的，可以自由使用，可以用类似英语的语法编写程序，编译起来并不费力，此外，Python不仅可以写出可读性高的代码，还可以写出性能高（处理速度快）的代码，在需要处理大规模数据或者要求快速响应的情况下可以稳妥完成。 学习深度学习主要使用的外部库是NumPy库（用于数值计算的库，提供了很多高级的数学算法和便利的数组、矩阵操作方法）和Matplotlib库（用于画图的库，能将实验结果可视化，并在视觉上确认深度学习运行期间的数据），可以有效地促进深度学习的实现，尽量避免使用外部库。推荐李沐大神的python课程。
入门基础：在具备了基本的数学知识后，你就可以直接开始看深度学习的网课了。首先，零基础入门深度学习首推的就是吴恩达机器学习系列课程。这门课程由中英文对照字幕，讲解的非常仔细，非常基础（于是乎称之为零基础入门一点也不为过）。这门课在网络上评价非常高，被称之为深度学习入门的盛宴。看完吴恩达机器学习课程后，一定要看一下他的另一门进阶课程吴恩达深度学习课程，这门课总共有五课。那么这门课绝对不会让你失望。
基础框架：在学会了基础的python语言，掌握了一些深度学习的基础名词后，那么剩下的就是要学习一个深度学习的基础框架了。目前流行的框架有pytorch、tensorflow、keras等。新手我们先学pytorch这个简单方便的框架就好啦。推荐噼里啪啦的网课，结合上面推荐的动手学pytorch书籍一起学。
实战项目：网站上找一下新手上手的项目，手写体识别，图像分类等。