【入门必备】史上最全的深度学习资源汇总
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识!
磐石
导语:前一篇文章中我们介绍了一些机器学习不错的项目合集,本篇文章将针对深度学习资源进行一下汇总。喜欢我们文章的小伙伴,欢迎大家点击上方蓝字关注我们的公众号:磐创AI。另外您对我们的文章有任何的意见或是文章中的不足之处,欢迎在文末留言。
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:https://mp.weixin.qq.com/s?__biz=MzAxMjMwODMyMQ==&mid=2456336157&idx=1&sn=109b62b0b2f153f2ae1d7416f90cdc13&chksm=8c2fcd13bb5844051b2d9834f4ad6371e654d8aa04fc09ef9193b0c720a0524e5385347ff46c#rd
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。
写在最后:欢迎大家点击下方二维码关注我们的公众号,关注我们的历史文章,和小编一起畅游在深度学习的世界中。
本篇文章出自http://www.tensorflownews.com,对深度学习感兴趣,热爱Tensorflow的小伙伴,欢迎关注我们的网站!
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
由「刷脸」到「识人」,云从科技刷新跨镜追踪(ReID)技术三项世界纪录!
人工智能由“刷脸”进入“识人”阶段,跨镜追踪(ReID)技术大大提高商用水平 人脸识别技术经过进几年的发展,已较为成熟,在众多的场景与产品中都已有应用,但人脸识别技术只能用到人体的人脸信息,放弃了人体其他重要信息的利用,例如衣着、姿态、行为等,另外在应用时必须要有清晰的人脸正面照片,但在很多场景下无法满足要求,例如低头、背影、模糊身形、帽子遮挡等等。 而跨镜追踪(ReID)技术正好能够弥补人脸识别的这些不足,行人重识别能够根据行人的穿着、体态、发型等信息认知行人。这将人工智能的认知水平提高到一个新的阶段,现在跨镜追踪已成为人工智能领域的重要研究方向。但现有的研究成果还不是很成熟,离实际商用的要求还有一定距离。而云从科技的跨镜追踪(ReID)技术获得了重大突破,将现有的技术水平提高到一个新的阶段,这将大大推动业界技术研究与应用落地的进度
- 下一篇
看三角兽的AI语义技术如何让机器更懂你|镁客网M-TECH AI助力中国智造产业论坛
成立后一年不到的时间内,完成3次合计8000万的融资,三角兽是如何做到比别人跑得更快,M-TECH AI助力中国智造产业论坛上见分晓。 在微信群里,朋友推荐了一个不错的餐厅,复制餐厅名字,打开导航APP,粘贴导航;在一篇文章中看到一部挺心水的电影,选择复制名字,打开电影票APP,粘贴选票。 是的,我们似乎已经习惯了这种跨应用的繁琐操作,但是做情怀的老罗不同意了,在2016年锤子M1的发布上,老罗推出了bigbang功能,大段大段的文字可以“炸”开编辑,聊天的时候,吃喝玩乐的文字信息都可以一键识别,秒懂你的需求。 这家让老罗误写成独角兽的公司——三角兽, 正是Bigbang 功能的技术提供者,他们将顶层的 NLP(自然语言处理)和语义相关技术整合到手机里,优化了用户交互体验。 在我们M-TECH AI助力中国智造产业论坛上,我们把Bigbang背后的男人请到了现场,三角兽创始人马宇驰告诉你人工智能如何让机器更好的理解我们的一言一语。 在成立不到一年的时间内,三角兽已经完成了三次共计8000万的融资,其创始人也是微软小冰、百度度秘背后的技术专家,这家因为“我们是三个人,所以公司叫三角兽”的...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- Linux系统CentOS6、CentOS7手动修改IP地址
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- Red5直播服务器,属于Java语言的直播服务器