新智元推薦
來源：磐創AI
作者：磐石
編輯：克雷格
【新智元導讀】之前，我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匯總，歡迎轉發、點讚、收藏。
目錄：· 介紹
· 教程
· 視頻
· 數據集
· 項目
· 論文
介紹：
作為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點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高了模型的泛化能力。深度學習發展到今天，大致分為以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自然語言處理、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，在國內外都引起了廣泛的關注，也吸引了越來越多的人投身於深度學習領域的研究。今天小編有幸為大家介紹一些我自認為不錯的深度學習資源，希望幫助熱愛深度學習的小夥伴能夠走的更遠。
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
如果對深度學習有一定基礎的小夥伴，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學習資源匯總
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/
自然語言處理深度學習教程：http://www.socher.org/index.php/DeepLearningTutorial/DeepLearningTutorial
視頻資源：
最經典也是認可度最高的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如下：
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
國內人工智慧教育平臺七月在線的深度學習視頻公開課，可作為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？話不多說，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相似性：
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指紋資料庫（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，大家可以關注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桌球：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
使用生成對抗網絡使圖像的解析度更逼真：https://github.com/tensorlayer/srgan
論文：
深度學習發展至今，積累了很多的文獻，小編這裡為大家推薦一個github地址：https://github.com/terryum/awesome-deep-learning-papers這裡涵蓋了近幾年引用頻率比較高的，自然語言處理類、圖像視頻類、無監督、強化學習等領域100多篇文獻。大家根據自己的科研方向選擇性閱讀。
(本文經授權轉載自磐創AI：xunixs）