【入門必備】史上最全的深度學習資源彙總，速藏！

摘要： 以前，咱們推薦過一期史上最全TensorFlow乾貨文章，今天，收福利的機會又來了，本篇文章將針對深度學習資源進行一下彙總，歡迎轉發、點贊、收藏。

目錄：

介紹

 教程
 視頻
 數據集
 項目
 論文

介紹：

做爲傳統機器學習重要的一個分支，與機器學習算法相比，深度學習算法最大的特色是至少含有一個隱藏層的神經網絡（NN）。此外，深度學習的分層處理的思想也大大提升了模型的泛化能力。深度學習發展到今天，大體分爲如下一些比較流行的網絡結構：深度神經網絡（DNN）、卷積神經網絡（CNN）、循環神經網絡（RNN）、生成對抗網絡（GAN）等。應用最廣的幾個研究領域分別是天然語言處理、語音識別和圖像處理。出現了Tensorflow、Keras、Caffe、Torch等技術框架。深度學習近年來發展迅猛，在國內外都引發了普遍的關注，也吸引了愈來愈多的人投身於深度學習領域的研究。今天小編有幸爲你們介紹一些我自認爲不錯的深度學習資源，但願幫助熱愛深度學習的小夥伴可以走的更遠。

教程：

Topal的深度學習教程，從感知機到深度神經網絡：http://www.toptal.com/machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks

UFLDL教程：主要介紹了介紹無監督特徵學習和深度學習的主要思想：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

基於python語言的深度學習教程：https://www.manning.com/books/deep-learning-with-python

若是對深度學習有必定基礎的小夥伴，推薦一套Nando de Freitas教授的高階教程，深度學習的部分是從第七課開始：http://www.cs.ox.ac.uk/teaching/courses/2014-2015/ml/

Tensorflow深度學習教程：https://github.com/nlintz/TensorFlow-Tutorials（更多Tensorflow學習的資源請參見這篇文章：【乾貨】史上最全的Tensorflow學習資源彙總

Torch深度學習教程：

https://github.com/clementfarabet/ipam-tutorials/tree/master/th_tutorials

計算機視覺深度學習教程：https://sites.google.com/site/deeplearningcvpr2014/

天然語言處理深度學習教程：http://www.socher.org/index.php/DeepLearningTutorial/DeepLearningTutorial

視頻資源：

最經典也是承認度最高的coursera上深度學習的視頻教程：https://www.coursera.org/learn/neural-networks

CS231N中用於視覺研究的卷積神經網絡課程：http://cs231n.stanford.edu/

牛津大學深度學習視頻教程：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Nando de Freitas教授深度學習課程的視頻地址：https://www.youtube.com/playlist?list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&app=desktop

以上課程是針對英文比較好的小夥伴，另外國內也有一些質量比較高的深度學習視頻資源以下：

臺灣國立大學李宏毅教授開設的深度學習視頻; https://www.bilibili.com/video/av15889450/

吳恩達教授在網易公開課上的深度學習視頻教程：https://mooc.study.163.com/smartSpec/detail/1001319001.htm

兩個不錯的Tensorflow中文視頻資源：https://www.youtube.com/watch?v=eAtGqz8ytOI&list=PLjSwXXbVlK6IHzhLOMpwHHLjYmINRstrk，https://www.youtube.com/watch?v=TrWqRMJZU8A&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=2

國內人工智能教育平臺七月在線的深度學習視頻公開課，可做爲小白學習的最佳入門課程：http://www.julyedu.com/video/play/42

公開數據集：

沒有數據集怎麼能學好深度學習？話很少說，直接上乾貨！！！

最經典的MNIST手寫數據集：http://yann.lecun.com/exdb/mnist/

谷歌街景房屋號碼（SVHN）數據集：http://ufldl.stanford.edu/housenumbers/

VQA：VQA是一個包含有關圖像開放式問題的數據集：http://www.visualqa.org/

來自於雅虎的充滿創意的Flickr圖像數據集：https://yahooresearch.tumblr.com/post/89783581601/one-hundred-million-creative-commons-flickr-images

ImageNet數據集：http://www.image-net.org/

Flickr 30k數據集：從圖像描述到視覺指示，針對事件描述進行語義推斷類似性：

http://shannon.cs.illinois.edu/DenotationGraph/

COCO-QA，一個探索圖像問題答案的數據集：http://www.cs.toronto.edu/~mren/imageqa/data/cocoqa/

FVC2000指紋數據庫（FVC2000是第一次指紋驗證算法國際競賽）：http://bias.csr.unibo.it/fvc2000/

更多的開源數據集，你們能夠關注github上這個網址：https://github.com/search?o=desc&q=dataset&s=stars&type=Repositories

項目：

使用循環神經網絡搭建的一個音樂系統項目：http://www.hexahedria.com/2015/08/03/composing-music-with-recurrent-neural-networks/

一個有趣的神經網絡標題生成器項目：

https://github.com/jazzsaxmafia/show_attend_and_tell.tensorflow

Github上的一個遊戲項目：打Atari乒乓球：https://github.com/tensorlayer/tensorlayer/blob/master/example/tutorial_atari_pong.py

使用 DeepMind的WaveNet的語言識別項目：https://github.com/buriburisuri/speech-to-text-wavenet

利用機器翻譯實現莎士比亞與現代英語間的翻譯：https://github.com/tokestermw/tensorflow-shakespeare

Fomoro高速公路網絡培訓初級項目：https://github.com/fomorians/highway-cnn

使用生成對抗網使圖像的分辨率更逼真：https://github.com/tensorlayer/srgan

 

論文：

深度學習發展至今，積累了不少的文獻，小編這裏爲你們推薦一個github地址：https://github.com/terryum/awesome-deep-learning-papers這裏涵蓋了近幾年引用頻率比較高的，天然語言處理類、圖像視頻類、無監督、強化學習等領域100多篇文獻。你們根據本身的科研方向選擇性閱讀。