具体来说，编程方面，需要熟悉Python编程，熟悉Numpy，Pandas，Opencv等库的使用，同时得熟悉某个深度学习框架的使用，比如TensorFlow,Keras,PyTorch,Caffe等。数学方面，肯定需要对大学的数学知识有一定的了解，比如求导与积分，偏导数，梯度下降之类的高数知识，以及线代和概率与统计等知识。
PS有哪些功能必须了解？
PS功能真心强大！1.调色调色很重要，掌握了色彩的基础可以调出漂亮合肥颜色，PS中有很多工具都可以进行调色！如cameraraw滤镜！曲线工具，色阶，色相饱和度工具！等等……颜色由色相，饱和度，明度这3个参数共同决定的！色相即使色彩呈现出来的本质面貌，如红橙黄绿等！饱和度即是色彩的浓度或者纯度！即是色彩中含有彩色成分和灰色的比例，这个比例决定了色彩的饱和度及鲜艳程度！明度也叫色度，是指色彩的明暗程度！黄色的明度最高！红色的饱和度最高！调色就是调整色相，饱和度，明度之间的比例！使其达到想要的状态！。
计算机视觉方向目前主要有几大方向比较热门，我下面将分别从他们的发展过程与现状以及怎么入门学习来进行介绍。首先，计算机视觉的主要方向有:图像分类人脸识别目标检测图像分割关键点检测文字识别OCR编程与数学基础首先，人工智能毕竟是一个计算机学科，需要具备基本的编程功底与数学能力。具体来说，编程方面，需要熟悉Python编程，熟悉Numpy，Pandas，Opencv等库的使用，同时还得熟悉某个深度学习框架的使用，比如TensorFlow,Keras,PyTorch,Caffe等。
以上这些是必须具备的，如果能再有点C ,Java方面的基础就更好了。数学方面，肯定需要对大学的数学知识有一定的了解，比如求导与积分，偏导数，梯度下降之类的高数知识，以及线代和概率与统计等知识。如果对这方面知识不太熟悉，建议从课本上好好学学，当然也可以通过如下图所示的深度学习圣经即"花书"的前几章来学习。
图像分类图像分类是一个计算机视觉的经典方向。深度学习的火爆最早是因为Hinton带领他的学生使用深度神经网络参加了ImageNet大赛，其最后成绩远超使用传统方法的第二名一大截。由此引发了最近几年越来越热门的深度学习研究，在2012年及以后，在ImageNet比赛上出现了更多的网络结构，从最开始的AlexNet，到VggNet，GoogleNet，Inception，RestNet，Inception-ResNet-v1~3，Xception等。
