【入门必备】史上最全的深度学习资源汇总，速藏！

野性酷女 2022-05-26 02:08 134阅读 0赞

原文链接：[点击打开链接][Link 1]

摘要： 之前，我们推荐过一期史上最全TensorFlow干货文章，今天，收福利的机会又来了，本篇文章将针对深度学习资源进行一下汇总，欢迎转发、点赞、收藏。

## 目录： ##

## ![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]介绍 ##

![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]教程  
![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]视频  
![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]数据集  
![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]项目  
![d47e62d2b349aca45e42305ed6714efbe5ed61d9][]论文

介绍：

作为传统机器学习重要的一个分支，与机器学习算法相比，深度学习算法最大的特点是至少含有一个隐藏层的神经网络（NN）。此外，深度学习的分层处理的思想也大大提高了模型的泛化能力。深度学习发展到今天，大致分为以下一些比较流行的网络结构：深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。应用最广的几个研究领域分别是自然语言处理、语音识别和图像处理。出现了Tensorflow、Keras、Caffe、Torch等技术框架。深度学习近年来发展迅猛，在国内外都引起了广泛的关注，也吸引了越来越多的人投身于深度学习领域的研究。今天小编有幸为大家介绍一些我自认为不错的深度学习资源，希望帮助热爱深度学习的小伙伴能够走的更远。

教程：

Topal的深度学习教程，从感知机到深度神经网络：http://www.toptal.com/machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks

UFLDL教程：主要介绍了介绍无监督特征学习和深度学习的主要思想：http://deeplearning.stanford.edu/wiki/index.php/UFLDL\_Tutorial

基于python语言的深度学习教程：https://www.manning.com/books/deep-learning-with-python

如果对深度学习有一定基础的小伙伴，推荐一套Nando de Freitas教授的高阶教程，深度学习的部分是从第七课开始：http://www.cs.ox.ac.uk/teaching/courses/2014-2015/ml/

Tensorflow深度学习教程：https://github.com/nlintz/TensorFlow-Tutorials（更多Tensorflow学习的资源请参见这篇文章：[【干货】史上最全的Tensorflow学习资源汇总][Tensorflow]

Torch深度学习教程：

https://github.com/clementfarabet/ipam-tutorials/tree/master/th\_tutorials

计算机视觉深度学习教程：https://sites.google.com/site/deeplearningcvpr2014/

自然语言处理深度学习教程：http://www.socher.org/index.php/DeepLearningTutorial/DeepLearningTutorial

视频资源：

最经典也是认可度最高的coursera上深度学习的视频教程：https://www.coursera.org/learn/neural-networks

CS231N中用于视觉研究的卷积神经网络课程：http://cs231n.stanford.edu/

牛津大学深度学习视频教程：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

Nando de Freitas教授深度学习课程的视频地址：https://www.youtube.com/playlist?list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu&app=desktop

![7842c6642371f3c88ccbbe3eb0418f06f055a375][]

以上课程是针对英文比较好的小伙伴，另外国内也有一些质量比较高的深度学习视频资源如下：

台湾国立大学李宏毅教授开设的深度学习视频; https://www.bilibili.com/video/av15889450/

吴恩达教授在网易公开课上的深度学习视频教程：https://mooc.study.163.com/smartSpec/detail/1001319001.htm

两个不错的Tensorflow中文视频资源：https://www.youtube.com/watch?v=eAtGqz8ytOI&list=PLjSwXXbVlK6IHzhLOMpwHHLjYmINRstrk，https://www.youtube.com/watch?v=TrWqRMJZU8A&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=2

国内人工智能教育平台七月在线的深度学习视频公开课，可作为小白学习的最佳入门课程：http://www.julyedu.com/video/play/42

公开数据集：

没有数据集怎么能学好深度学习？话不多说，直接上干货！！！

最经典的MNIST手写数据集：http://yann.lecun.com/exdb/mnist/

谷歌街景房屋号码（SVHN）数据集：http://ufldl.stanford.edu/housenumbers/

VQA：VQA是一个包含有关图像开放式问题的数据集：http://www.visualqa.org/

来自于雅虎的充满创意的Flickr图像数据集：https://yahooresearch.tumblr.com/post/89783581601/one-hundred-million-creative-commons-flickr-images

ImageNet数据集：http://www.image-net.org/

Flickr 30k数据集：从图像描述到视觉指示，针对事件描述进行语义推断相似性：

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

COCO-QA，一个探索图像问题答案的数据集：http://www.cs.toronto.edu/~mren/imageqa/data/cocoqa/

FVC2000指纹数据库（FVC2000是第一次指纹验证算法国际竞赛）：http://bias.csr.unibo.it/fvc2000/

更多的开源数据集，大家可以关注github上这个网址：https://github.com/search?o=desc&q=dataset&s=stars&type=Repositories

项目：

使用循环神经网络搭建的一个音乐系统项目：http://www.hexahedria.com/2015/08/03/composing-music-with-recurrent-neural-networks/

一个有趣的神经网络标题生成器项目：

https://github.com/jazzsaxmafia/show\_attend\_and\_tell.tensorflow

![79cee0d9c645f617e6ce12e3a767aa60aca0cf1c][]

Github上的一个游戏项目：打Atari乒乓球：https://github.com/tensorlayer/tensorlayer/blob/master/example/tutorial\_atari\_pong.py

使用 DeepMind的WaveNet的语言识别项目：https://github.com/buriburisuri/speech-to-text-wavenet

利用机器翻译实现莎士比亚与现代英语间的翻译：https://github.com/tokestermw/tensorflow-shakespeare

Fomoro高速公路网络培训初级项目：https://github.com/fomorians/highway-cnn

使用生成对抗网使图像的分辨率更逼真：https://github.com/tensorlayer/srgan

![8b6a779bb9b006e05f5ba51e5600e956aa01ae1d][]

论文：

深度学习发展至今，积累了很多的文献，小编这里为大家推荐一个github地址： https://github.com/terryum/awesome-deep-learning-papers这里涵盖了近几年引用频率比较高的，自然语言处理类、图像视频类、无监督、强化学习等领域100多篇文献。大家根据自己的科研方向选择性阅读。

[Link 1]: http://click.aliyun.com/m/46824/
[d47e62d2b349aca45e42305ed6714efbe5ed61d9]: /images/20220526/bf530f0209194ac387e3005be4ed82cf.png
[Tensorflow]: https://mp.weixin.qq.com/s?__biz=MzAxMjMwODMyMQ==&mid=2456336157&idx=1&sn=109b62b0b2f153f2ae1d7416f90cdc13&chksm=8c2fcd13bb5844051b2d9834f4ad6371e654d8aa04fc09ef9193b0c720a0524e5385347ff46c&scene=21#wechat_redirect
[7842c6642371f3c88ccbbe3eb0418f06f055a375]: /images/20220526/e2f321ee90a2411e9a58ef6f7ed9df26.png
[79cee0d9c645f617e6ce12e3a767aa60aca0cf1c]: /images/20220526/9ce0e2d339a44698ad23407e951ee58d.png
[8b6a779bb9b006e05f5ba51e5600e956aa01ae1d]: /images/20220526/b06f9cd42d144c5291b8b76401fc01d0.png