我开始了我的深度学习，对于以前没有搞过深度学习的人来说，有点吃力，不过我的学习方法比较适合我，首先我去看了一下基本的数学原理，这里推荐一本书，叫做《深度学习的数学(图灵出品)》([日]涌井良幸，涌井贞美) ，把书里的推导和 Excel 演算都动手实践的话，感觉原理基本上搞的差不多，会一些基本的原理和术语后，我就开始找一些 demo 来跑，这些 demo 能跑通，我就开始换不同的数据源，换不同的场景，这大概是我的学习路径。
看数学原理和搞明白术语
推荐这本书，《深度学习的数学(图灵出品)》([日]涌井良幸，涌井贞美)
找开源项目
我正好有这个需求，手上有一些注册用户，默认是没有填写性别的，如果要给对方发促销邮件，最好是知道基本的性别，所以这是一个真实的场景。
自己从 0-1 去实现性别预测，肯定不现实，所以我优先去找开源项目，还真找到一个，人家还写成了论文，说根据名字可以预测性别。
跑起来
把上面这个开源项目，拉到本地的 GPU 机器，我去，没想能能跑起来，并且结果还不错。
换数据
接下来就是根据自己的数据进行训练，看看效果，换成自己的数据，跑出来的结果也算让人满意。
补充知识
项目跑起来了，也能解决自己的真实需求了，但是有几个概念还没有搞明白，比如 LSTM 的原理是什么？为什么要 one-hot 编码？ one-hot 编码中文名字是否有问题？Bidirectional 是什么意思？为什么只用 64 filter? 带着这种问题再去反向查找，学习就比较快了。
