这篇文章主要是基于我自己的经验，侧重于计算机视觉学习资源的介绍，如果大家按照这个路线去学计算机网络基础知识视频教程，相信这将在很大程度上促进提高你的计算机视觉知识水平。
在开始学习计算机视觉之前，我们先来了解有关机器学习和基础知识。
框架（）
虽然你不必从一开始就去考虑选择何种框架，但是实践应用新的知识是必要的。
对应框架并没有太多选择，主要为：或keras（）。可能需要编写更多代码，但在返回方面具有很大的灵活性，因此我们可以先学习如何使用。此外，大多数深度学习研究人员也普遍使用。
(图像增强库)和 (框架计算机网络基础知识视频教程，顶部的高级API)在我们学习计算机视觉的过长中也是很常用的工具，我们也可以先学习和使用它们，尤其是第一个。
硬件
GPU 10xx +：（$ 300 +）内核（免费） ：每周仅30个小时 （） Colab（免费）：12小时的会话限制，每周限制的使用时长不定 （#=true）理论与实践
在线课程
是非常好的在线教学课程，涵盖了计算机视觉的所有必要基础，是的在线视频。这门课程还包含了课后练习，对于新手来说，可以先不用完成练习。（免费） Fast.ai是我们应该学习的另一门课程。fast.ai是之上的高级框架，但是它们过于频繁地更改其API，并且缺乏文档使其使用不方便。但是，花些时间看这门课程的理论和有用的技巧是不错的选择。（免费） 在学习这些课程时，我建议你将理论付诸实践，将其应用于其中一个框架。
文章和代码
——有关所有最新信息。（免费）（）（） 最常见的深度学习任务的最新发展现状计算机网络基础知识视频教程 最新计算机视觉学习路线教程，而不仅仅是计算机视觉。（免费）——对于实践的代码，你将在这里找到。（免费）（）书籍
虽然需要读的书籍不多，但是我相信这两本书都是有用的，无论你选择使用还是keras
Keras创作者和 AI研究人员撰写的深度学习。易于使用，可能会获得你以前不知道的见识。（不是免费的） 团队Eli 和Luca 的 深度学习（免费）
是各种机器学习竞赛的著名在线平台，其中很多是关于计算机视觉的。即使没有完成课程，你也可以开始参加比赛，因为从比赛中会有很多开放的内核（端对端代码），你可以直接从浏览器中运行它们。（免费）有挑战的学习方式（推荐）
另一种替代方法可能很难，但是这种方法可以让你获得计算机视觉不同领域的知识，大家可以针对自己的研究方向选择具体的计算机视觉领域进行学习。（小博主提醒：大批干货来袭，视觉各个领域经典代表性项目列表如下所示。）
尝试阅读和复现如下文章，你将受益匪浅。助前行，希望对大家有所帮助。
网络架构
: ZFNet: VGG16: : : : : : 语义分割
FCN: : UNet: : : ICNet: ENet: 生成对抗网络
GAN: DCGAN: WGAN: : : 目标检测
RCNN: Fast-RCNN: -RCNN: SSD: YOLO: : 实例分割Mask-RCNN: : 姿态估计
: :
文章来源:http://baijiahao.baidu.com/s?id=1666647172723112963&wfr=spider&for=pc