【入门必备】史上最全的深度学习资源汇总，速藏！
新智元推荐
来源：磐创AI
作者：磐石
编辑：克雷格
【新智元导读】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：
· 介绍
· 教程
· 视频
· 数据集
· 项目
· 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
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
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
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
使用生成对抗网络使图像的分辨率更逼真：https://github.com/tensorlayer/srgan
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。
(本文经授权转载自磐创AI：xunixs）