大家好，今天小编关注到一个比较有意思的话题，就是关于用linux深度学习技术的问题，于是小编就整理了4个相关介绍用Linux深度学习技术的解答，让我们一起看看吧。
- linux怎么自学？
- 为什么有人偏好在Ubuntu下进行「深度学习」呢？
- 想学习深度学习开源框架，比如tensorflow、caffe，需要掌握哪些linux知识？
- python深度学习的学习方法或者入门书籍有什么？
linux怎么自学？
linux自学方法如下：
选择一个发行版。对于初学者，推荐使用Ubuntu或者Linux Mint。 Ubuntu适合新手，使用广泛，社区活跃，遇到问题容易找到解决方案。虽然觉得Ubuntu没有什么深度，但它是一个很好的起点，可以先从它开始，等熟悉了Linux系统之后再尝试其他发行版。
安装Linux。把选定的Linux发行版安装到电脑上。尽量都双系统安装，保留现有的操作系统。
学习基本操作。熟悉Linux系统的基本操作，如文件和目录操作、用户和权限管理、软件包管理等。
学习命令行。Linux的命令行界面是它的核心特点。学习如何使用终端、各种命令和Shell脚本编程。这将帮助你熟练掌握Linux系统。
要自学Linux，首先需要安装一个Linux操作系统并掌握基本命令、文件操作、用户管理、权限设置等基础知识。
可以通过阅读Linux相关书籍、观看在线教程、参与Linux社区讨论等方式学习。同时还可以尝试在实际项目中应用Linux来加深理解，并在遇到问题时积极寻求解决方案。持之以恒地学习和实践是自学Linux的关键，同时不断保持对新技术和发展的了解。
为什么有人偏好在Ubuntu下进行「深度学习」呢？
深度学习主要依靠的计算能力。在windows下你用的显卡可能几千块钱。做一个简单的手写体识别，可能花几个小时就搞定了。但是你要做一些复杂的功能大图像的识别处理。需要的算力非常大。这时候就要用到高性能的显卡，和显卡集群。这些高端的显卡从几万到几百万之间。但是这些显卡并不支持Windows系统。你在集群上需要一个小时跑完的东西在windows上可能需要几百年。所以你不用纠结，没有一个深度学习从业者会在windows下做研究。在linux下做深度学习，不是偏好而是必须，在win下做研究，连入门都入不了，仅限于了解知道这个东西。
所以当你提出来这个问题的时候，说明你并不适合做这个行业。
想学习深度学习开源框架，比如tensorflow、caffe，需要掌握哪些linux知识？
如果仅仅是TensorFlow和Caffe的话，可以在Windows上开发。
TensorFlow的Windows支持挺不错的。
比如，在Windows上安装TensorFlow只需一个命令（***定你的机器配置好了显卡相关驱动、CUDA等，还有python环境）：
pip3 install --upgrade tensorflow-gpu
简单吧？
Caffe对Windows的支持没有TensorFlow好，还[_a***_]社区支持。
具体安装方法可以参考Caffe官方GitHub仓库的Windows分支。有适配Visual Studio 2015, CUDA 8.0, Python 3.5/2.7的编译好的二进制文件下载。
当然，还是有些框架对Windows支持很差或者干脆没有支持。所以基于Linux开发也不错。
我建议你直接用就是了，不用先去学Linux。今时今日，像Ubuntu这样的发行版，基本上已经接近开箱即用的程度（注意，仅限于开发方面）。
python深度学习的学习方法或者入门书籍有什么？
对于编程学习来说，实践性比较强，所以说看视频是个不错的选择，边看***边操作，这样可以看清楚每个步骤的操作，以及具体的功能分析，都可以一目了然的展现出来。边看***边敲代码也会比边看书边敲代码更高效一些。
而且对于图形识别来说，通过看***学习的方式可读性更高。
以前在 “ 如鹏网 ”上了解过Python的课程体系和学习路线，有深度学习的讲解，可以参考一下。
到此，以上就是小编对于用linux深度学习技术的问题就介绍到这了，希望介绍关于用linux深度学习技术的4点解答对大家有用。
