大家好，今天小编关注到一个比较有意思的话题，就是关于python深度学习自学的问题，于是小编就整理了2个相关介绍Python深度学习自学的解答，让我们一起看看吧。
研一刚入学，从未接触过神经网络，python也是才开始学，现在导师要我做LSTM，我应该去学什么？
***s://blog.csdn.net/Iceberggg/article/details/124114192
2.python只是语言，作为研究生课题，我不建议你直接去使用现有的python库，但是可以参考现有python库的源码设计和算法设计
***s://blog.csdn.net/wanlong_peng/article/details/117257729
可以去上面的连接看看。python的基础课可以去B 站搜一下。
如果你从未接触过神经网络和 Python，那么学习 LSTM 可能会有一定的难度。但是，这不是不可能的，只要你有耐心和恒心，掌握 LSTM 是完全可以做到的。
- 学习基础的神经网络知识：在学习 LSTM 之前，你需要先了解神经网络的基本概念和原理。你可以从一些入门的书籍或在线课程中学习。
- 学习 Python 编程语言：Python 是一种简单易学的编程语言，非常适合机器学习和深度学习任务。你可以通过在线课程、书籍或者自学来学习 Python。
- 学习深度学习框架：有一些深度学习框架可以帮助你更方便地实现 LSTM。比如 TensorFlow、PyTorch 等。你可以通过在线课程、书籍或者官方文档来学习这些框架的基本用法。
- 学习 LSTM 模型：学习 LSTM 模型是学习 LSTM 的关键。你可以通过在线课程、书籍或者官方文档来了解 LSTM 模型的基本原理、应用场景和实现方法。
- 实践：理论知识虽然重要，但实践才能真正帮助你掌握 LSTM。你可以从一些简单的例子开始，逐步增加难度，直到你能够独立地构建和训练 LSTM 模型。
最重要的是，要保持耐心和恒心。深度学习需要一定的时间和精力来学习和掌握，但它也是非常有趣和有用的。如果你保持积极的学习态度，相信你一定能够成功掌握 LSTM 和深度学习。
很简单，给几个例子
NASA涡轮喷气发动机风扇的剩余寿命RUL预测-基于LSTM网络,Lookback=20 - 哥廷根数学学派的文章 - 知乎 ***s://zhuanlan.zhihu***/p/528324129
基于LSTM 模型的癫痫病检测 - 哥廷根数学学派的文章 - 知乎 ***s://zhuanlan.zhihu***/p/530124102
基于深度学习的水痘发病预测 - 哥廷根数学学派的文章 - 知乎 ***s://zhuanlan.zhihu***/p/530954648
MATLAB双向长短时记忆网络BILSTM预测 - 哥廷根数学学派的文章 - 知乎 ***s://zhuanlan.zhihu***/p/532675845
洽好接触过Python,为你推荐一本书📚，希望对你有用《Python 3破冰人工智能 从入门到实战》
从数学建模入手帮助学以致用！---被数十所大学高校引用成为教材。
人工智能书籍
编辑推荐
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
内容简介
本书创新性地从数学建模竞赛入手，深入浅出地讲解了人工智能领域的相关知识。本书内容基于Python 3.6，从人工智能领域的数学出发，到Python在人工智能场景下的关键模块；从网络爬虫到数据存储，再到数据分析；从机器学习到深度学习，涉及自然语言处理、机器学习、深度学习、推荐系统和知识图谱等。此外，本书还提供了近140个代码案例和大量图表，全面系统地阐述了算法特性，个别案例算法来自于工作经验总结，力求帮助读者学以致用。
告诉你一个网址 phind*** ，你可以逐层提问，比一般人回答的靠谱
你看这是他的回答
问：学习LTSM如何入手
WEB ANSWER
LSTM (Long Short-Term Memory)是一种特殊的循环神经网络，它可以处理长序列的输入数据，并避免了传统循环神经网络中的梯度消失和梯度爆炸问题。下面是一些入手LSTM的建议：
深度学习适合零基础的人学吗？
深度学习属于人工智能的一个内容之一，除此之外还有机器学习和强化学习。学习人工智能需要有Python和高数的基础，所以零基础不适合学习。如果想学习可以看看百战程序员的课程。
完全可以。
我们会跟随实际的代码编写，一步一步进行指导。在数据科学、大数据和机器学习（深度学习）领域，Python 被视作最为简洁和直接的脚本编程语言，被科研领域和工程领域广泛***用，因此 本课程也会针对 Python 编程语言本身，跟随编程实战，与大家一起编程的过程中逐步讲解。
事实上 Java 编程语言在大数据处理和机器学习领域的应用也十分广泛，课程中涉及到 真实工程代码的部分，我们会将 [_a***_] 与 J***a 版本一同展示和讲解。由于这不是一门教学编程语言的课程，更注重于实际应用的编写，因此编程语言特性方面的门槛较低。
本课程着眼于海量数据实时处理和深度神经网络架构和编程，编程语言这块不会是瓶颈。并且，大家会跟随老师一起，编写机器学习代码，也会因此熟悉 Python 编程，事实上这对未来的个人发展和工作具有非常大的帮助。
在课程后半段，我们将会使用前半段课程编写的实验程序，转化为实际的工业级代码和产品，这时将涉及 C/C++ 和 J***a 代码的编写。由于 J***a 在面向对象的基本结构上与 C++ 十分相似，因此这一块也应当不是问题。
正如前面所阐述的，我们也会同时展示 J***a 版本的高层应用实现。最终，同学们会发现这些代码虽然由不同编程语言实现，但大体相当，并无过多区别。另外，针对编程语言方面的疑虑，老师也会手把手从最基本的代码开始编写，并尽可能详细讲解每一段重要的代码。
全课程不仅从理论方面会由浅入深的讲解，编程实战也同样会从最基础部分（包含语言的部分）开始讲解。希望能够打消同学们的疑虑。通过学习本课程，不仅对整个机器学习、深度学习和分布式大数据实时处理有一个全面的认识，而且在非常实际的工程实践，将来找工作和职业发展，都将会有非常大的提升。
如果有其他语言的基础，但是没有 C＋＋和 python 基础也是完全可以学习的，语言只是工具，有其他语言基础学习新语言很快，尤其是 Python 这种语言很简单，而 J***a 和 C++ 相比之下可能需要花费更多时间去学习。但本门课程在工程实践环节也会针对编写的代码进行详解，尽可能确保打消大家对这一方面的顾虑。
到此，以上就是小编对于python深度学习自学的问题就介绍到这了，希望介绍关于python深度学习自学的2点解答对大家有用。
