首先上来必不可能去啃那几本书（花书，西瓜书之类的），因为不是数学专业且没有极大的动力是学不下去的，大多是数学公式的推导过程。
类似这个书，其实把基本的矩阵和概率知识弄明白就行了，后面就是实践了（借助知乎高赞回答）
这是一门要实践的知识，理论再精美，不work没有用。
1. 首先最应该做的是把最基本的向量和矩阵运算与numpy和pytorch的操作对应起来，并熟练掌握。你问具体是哪些，就是线性代数的内容。
2，其次就是各种维度变换操作:升维，降维，变形，维度交换这有专门的库einops。当然torch原生操作也必须熟练。
3. 然后就是神经网络的经典模块，全链接，卷积，池化，rnn,注意力等，看李沐大神的B站视频
4. 然后你就可以看论文，或者看理论《花书》，对着别人源码来复现。
5. 由于这几年的发展，深度学习的理论涉及的数学越来越广泛，机器学习的经典方法还是要学习一遍的。三大经典书籍可以看看mlapp，prml，esl。对于初学者这里面的任何一本你翻开，估计都要头大，我只能说慢慢啃。想要顺畅的看懂，你需要熟练掌握矩阵微分与求导。涉及的数学也是很广泛的，你要抑制一下好奇心，不然你都想搞透，每看一页都要付出很大的代价。
6. 其次就是诸如涉及高维的数学:微分几何，还有随机分析，ode，ped，动力系统，
做完123基本可以入门，搞定45基本理论可以做的比较扎实，但是45没人带，自学估计要比较长时间。6就看你基本功了，数学学好这些都无所谓。尽管实现自己idea就可以了。
