(转) 深度学习全网最全学习资料汇总之入门篇

本文转自: http://www.dlworld.cn/ZiLiaoXiaZai/3428.html

深度学习全网最全学习资料汇总之入门篇

　　作为人工智能领域一个重要的研究分支，深度学习技术几乎出现在当下所有热门的AI应用领域，包括语音识别，语义理解，图像识别，大数据分析等等，甚至有人把当前的人工智能等同于深度学习。面对如此重要的江湖地位，我们相信一定有为数众多的 AI 开发者对深度学习技术充满了好奇心，想要快速着手使用这项强大的技术来解决现实生活中的实际问题。因此，雷锋网将围绕深度学习技术整理一个系列文章，全面覆盖与其相关的各项知识点。

　　本文针对如何入门深度学习这一话题，整理了若干参考资料，希望对广大开发者有所裨益。

　　需要提前说明的是，无论教程怎样浅显易懂，如果要深刻理解深度学习的技术原理，一些基础的数学知识还是必不可少的，包括微积分、线性代数和概率论等。这些都是各高校的必修课，大家可以轻松找到丰富的中文教程。这里仅列出三个值得参考的免费的英文教程。

　　MIT本科线性代数公开课

　　链接：https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm

　　MIT微积分公开课

　　链接：https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x

　　MIT概率论公开课

　　链接：https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2

　　当然，大家也可以在 coursera 和各种慕课类网站挑选自己喜欢的数学基础课程，此处不再赘述。

　　下面进入本文的正题。

　　要入门深度学习，首选的一个教程是来自台湾大学电机系李宏毅教授的演讲 PPT。该 PPT 共计301页，源于 IEEE DSC 2016 系列活动，当时打出的标题是“一天搞懂深度学习”。该课程非常适合初学者，以最简单易懂的图示和文字阐述了深度学习的基本原理、深度学习模型的各种训练小技巧、递归神经网络和一些常见的深度学习应用。

　　目前已经有网友针对李教授的PPT进行了视频讲解，视频链接也贴在下面。最后一个链接是李教授整个学期课程的资料，除了深度学习之外，还包括了线性代数的相关内容。

　　台大李宏毅教授讲义

　　PPT链接：http://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3

　　视频链接：http://v.youku.com/v_show/id_XMTc0MDQ3Mzk0NA==.html

　　李教授其他课程：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html

　　其次推荐来自斯坦福大学的卷积神经网络课程，即 CS231n: Convolutional Neural Networks（CNN） for Visual Recognition。该课程由著名华人 AI 学者李飞飞担任主讲，虽然课程名称是卷积神经网络和图像识别，但前期进行了大量关于 Python 开发环境搭建、神经网络原理等基础知识的介绍，适合初学者认真研读。目前该课程已经有了中文字幕版，链接如下。

　　李飞飞CNN课程

　　英文链接：http://cs231n.github.io/

　　中文链接：http://study.163.com/course/introduction/1003223001.htm#/courseDetail

　　说起深度学习的著名学者，则不得不提 Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著的一篇综述：《Deep learning》。三位世界级AI大牛合力编写的这篇文章虽然只有不到 7 页 A4 纸，但参考文献却超过百篇，被引用更是不计其数，含金量可想而知。这是一篇科普类的深度学习综述性文章，并没有介绍特别高深的技术细节，因此比较适合初学者。论文从非常专业的角度深入浅出地讲解了深度学习的基本原理，以及深度卷积网络和递归神经网络等较深入的话题。

　　Yann LeCun，Yoshua Bengio，Geoffrey Hinton 三人合著论文《Deep learning》

　　英文链接：https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

　　中文链接：http://www.csdn.net/article/2015-06-01/2824811

　　下面推荐两本适合初学者的免费的书籍。

　　一本来自上文提到的 Yoshua Bengio，他与另外两位同事合著了一本名为《Deep learning》的教科书。该书主要分为以下三个部分：机器学习和数学基础，深度学习的基础实践，深度学习的进一步研究，内容全面、讲解细致，特别适合深度学习的初学者，完全免费。

　　Yoshua Bengio教科书《Deep learning》

　　英文链接：http://www.deeplearningbook.org/

　　中文链接：https://github.com/exacity/deeplearningbook-chinese

　　另一本是 YC Research 研究员 Michael Nielsen 所著的《Neural Networks and Deep Learning》。该书首先讲述了神经网络的基本原理，然后基于该原理介绍了深度学习中的若干核心概念，同样非常适合于初学者的入门学习，完全免费。值得一提的是，本书现在已经有了中文版。

　　Neural Networks and Deep Learning

　　英文链接：http://neuralnetworksanddeeplearning.com/

　　中文链接：http://wiki.jikexueyuan.com/project/neural-networks-and-deep-learning-zh-cn/

　　说了这么多英文课程，下面推荐一个中文的：《Deep Learning（深度学习）学习笔记整理系列》。该系列文章从人脑的视觉机理入手，讲述了深度学习的基本思想、深度学习与神经网络之间的关系、深度学习的训练过程和常用模型算法等，几乎囊括了深度学习入门所必备的所有知识，被视为中文版的深度学习白皮书。对英文资料的理解有障碍的读者可以认真阅读本教程。

　　Deep Learning（深度学习）学习笔记整理系列

　　链接：http://blog.csdn.net/zouxy09/article/details/8775360/

　　到这里，雷锋网相信经过上述教程的学习，各位开发者对深度学习的入门应该不会再有太大的障碍了。下面将推荐三个和深度学习相关的资料大集合，都是来自相关专业人士的权威总结。除了入门知识之外，这几个集合还囊括了其他各种与深度学习相关的内容，包括各种编程语言的总结 、基础的数学知识、高阶的深度学习应用实例等等，可谓“包罗万象”。

　　集合1：Awesome Deep Learning

　　链接：https://github.com/ChristosChristofidis/awesome-deep-learning

　　集合2：机器学习 (Machine Learning) & 深度学习 (Deep Learning) 资料

　　第一部分：https://github.com/ty4z2008/Qix/blob/master/dl.md

　　第二部分：https://github.com/ty4z2008/Qix/blob/master/dl2.md

　　集合3：干货分享 | 深度学习零基础进阶大法！

　　链接：http://www.leiphone.com/news/201610/tgtcVePX2kdDlHfL.html