访问官网
Github项目介绍：深度学习工程师生存指南
项目背景
深度学习工程师生存指南（dl-engineer-guidebook）是一个致力于为深度学习工程师提供全面指南的开源项目。通过详尽的内容和实际建议，该项目旨在帮助从事深度学习的工程师们更好地配置自己的工作环境，包括硬件和软件的选择与配置。
核心内容
深度学习工作站配置
工程师在深度学习工作中需要强大的计算支持。本指南中详细讲解了如何配置一台深度学习工作站，包括选购与组装关键硬件组件，如 CPU、主板、显卡、硬盘、内存、电源等。此外，还包括显示器、键盘鼠标等不可或缺的配件。
本地设备选择
工作系统的选择对工作效率有着重要的影响。指南中比较了 Windows、Linux 以及 macOS 系统的优劣，帮助工程师们做出符合其工作习惯的选择。还对 Apple 设备如 iPad Pro 和其他常用设备进行了简要介绍。
macOS 软件与环境配置
对于选择 macOS 系统的用户，指南提供了详细的软件推荐与环境配置方法。包括如何使用 Homebrew、oh my zsh，以及安装必备的开发工具和应用软件，确保用户可以高效地利用 macOS 进行深度学习开发。
Python 环境配置
Python 是深度学习中的基础工具之一。指南提供了搭建 Python 开发环境的详细步骤，如使用 Anaconda 进行环境管理以及常用 Python 库的安装。
Ubuntu 系统配置
Ubuntu 是广受欢迎的深度学习开发系统。指南中描述了 Ubuntu 的安装和配置步骤，包括 ssh、sudo、apt 源、NVIDIA 驱动、CUDA 和 cuDNN 的安装，以及环境工具如 oh my zsh 和常用命令的配置。
常用 Linux 命令与工具
对于使用 Linux 系统的用户，指南中总结了深度学习工程师需要掌握的常用命令和工具，如文件管理、打包压缩、权限与进程管理、系统监测与网络通信等。
计算机视觉学习资源
为从事计算机视觉的工程师提供了丰富的学习资源，涵盖了公开课、网站和书籍。此外，还列出了常用的计算机视觉数据集，并介绍其使用方法，包括 MNIST、CIFAR 和 ImageNet 等。
深度学习经典模型
在图像识别领域表现卓越的经典模型一览，指南中提供了这些模型在 TensorFlow 和 PyTorch 中的使用方法，以及相关论文的介绍。
高级工具使用
例如，TensorBoard 是深度学习模型训练过程中常用的可视化工具。指南中详细介绍了 TensorBoard 的安装和使用方法，包括如何可视化模型结构和记录训练指标。
项目的目标群体
该项目主要面向正在或希望从事深度学习工作的工程师，包括那些需要配置工作站和搭建编程环境的新手，以及希望提升开发效率的资深工程师。
总结
深度学习工程师生存指南是一本实用的手册，为深度学习工程师提供了从设备选购、系统配置到开发环境搭建的完整指导。无论是入门新手还是行业老手，都能从中找到实用的信息与建议。
