之前写了一个算子开发的高薪文章AI算子开发岗，拥有优先择偶权，不少小伙伴看了之后，希望能有一个入门计算机视觉或者入门算子开发的学习路线。
这里整理了一下，希望对大家有帮助：计算机视觉入门
1、技能地图
入门视觉算法或者AI算子开发的技能地图，如果感觉看不清，可以放大图片来看。
总的来说，你需要以下几种技能：
-
编程能力C/C++，会 CUDA 编程是加分项
-
熟悉多种基础 AI 算法，肯定越多越好，融会贯通
-
一定的计算机基础
2、学习路线
学习路线确实很重要，否则向无头苍蝇一样学了半天，没有反馈，会完全失去学习的动力。
C/C++ 语言学习
这一部分网上有很多免费课程，可以跟着学一下。
基本语法比如函数、循环这种就不说了，肯定要学会。
重点是深入理解内存和指针，你可能听说过一句话，“c语言中一切皆指针”，指针学会了，可以做到举一反三，c 语言就可以出师了。
然后C++部分学会面向对象编程的思想以及熟悉标准库STL的使用，我觉得入门就够了。
实际上C/C++的课程内容很多，但是入门的话学会以上就可以，剩下的在实际项目中逐渐积累。
这两部分在我目前看来，如果在看对书、找对资料、学习能力较强或者有人指导编程实践的前提下，集中学习，从零开始，大概一个月基本就可以理解。
详细的学习内容可以参考我之前写的这个里面的详细内容：AI 算法开发，如果你还不确定怎么学，可以找我带你一起。
深度学习知识入门
1. 深度学习的基础知识要掌握，比如基础的概念：如训练、推理、神经网络、节点、前向传播、反向传播等，这些概念了解即可，否则在看一些文章的时候，可能不知道什么意思。
2. 学习利用工具查看神经网络结构图。如 resnet50 结构。查看一个神经网络是如何由一个个节点(算法)来搭建起来的。
3. 了解 tensor 的概念，也就是张量，这个概念要深入了解。
4. 学习常用的算法：比如卷积算法: 初识卷积、卷积的核心原理，矩阵乘算法：矩阵乘，激活函数：激活函数，池化层：池化， softmax分类原理：softmax等。
5. 以上算法几乎是深度学习中最重要最常见的算法，学完之后，可以扩展学习其他算法如：dropout: dropout，交叉熵损失函数：解密熵、交叉熵损失，归一化：批归一化，one-hot 编码：one-hot等等。
学一学计算机体系结构相关
我个人感觉这部分不用学习的太深入，但是有些概念还是要了解的，建议找考研 408 的书籍和课程看一遍，把计算机底层原理搞透彻一些，这部分基础应该就没啥问题了。
剩下的就是在实践中不断摸索，不断打磨自己对计算机的认识。如果需要计算机学习的相关资料，可以私信我。
最后来一波实战
在完成了编程基础、AI基础算法知识、计算机基础的入门之后，就可以来一波实战了，可以按照这个里面步骤一点点来实战：一个全面的学习课程路线。
可以找一个实际的神经网络来练手，完成一个神经网络的算法编写和推理，正确将神经网络运行起来，比如找一个图像分类网络、或者一个图像检测网络，可以正确识别出一张图，检测出结果，那就入门成功了。
如果你AI算法学的特别好，可以考虑AI算法工程师，做一些算法相关的工作。
如果你对计算机底层体系特别感兴趣，学的很不错，可以做一些更偏底层的AI芯片岗位的工作，比如芯片验证等。
写文不易，欢迎加v：ddcsggcs 一起学AI。
