Step0：搭建深度学习环境

• Doker 搭建深度学习环境：https://www.cnblogs.com/bingmang/p/9813686.html
• Pycharm 远程连接服务器：https://www.cnblogs.com/zhuminghui/p/10947930.html
• 服务器使用 screen 后台运行程序：https://sunyanhust.github.io/post/fu-wu-qi-shi-yong-screen-hou-tai-yun-xing-cheng-xu/

Step1: 通过阅读《Python 深度学习》掌握深度学习基础知识

《Python 深度学习》这本书是 Keras 之父 Francois Chollet 所著，该书假定读者无任何机器学习知识，以 Keras 为工具，使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，全书没有一个数学公式，注重培养读者的深度学习直觉。

• 电子版下载：https://pan.baidu.com/s/1-4q6VjLTb3ZxcefyNCbjSA 提取码：wtzo，
• 代码：https://github.com/fchollet/deep-learning-with-python-notebooks

Step2：通过教程《30 天吃掉那只 TensorFlow2》深入学习 TensorFlow

• 📚 gitbook 电子书地址： https://lyhue1991.github.io/eat_tensorflow2_in_30_days
• 🚀 github 项目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
• 🐳 kesci 专栏地址：https://www.kesci.com/home/column/5d8ef3c3037db3002d3aa3a0

Step4: 通过《CNN-Architectures》项目复现常见 CNN 模型，并阅读有关论文

CNN-Architectures： https://github.com/Machine-Learning-Tokyo/CNN-Architectures/tree/master/Implementations

使用 tf.kerasAPI 复现了一些常见 CNN 模型，包括：AlexNet、VGG、GoogLeNet、MobileNet、ResNet、Xception、SqueezeNet、DenseNet、ShuffleNet

Step5: 通过《Deep Models for NLP beginners》项目学习 NLP 基础知识

Deep Models for NLP beginners：https://github.com/BrambleXu/nlp-beginner-guide-keras

包括词向量、情感分类以及实体识别