干货 | 教程、视频、数据集、论文、项目，深度学习入门资源汇总

2018 年 4 月 19 日 AI研习社 磐石

本文原载于微信公众号「磐创 AI（xunixs）」，AI 研习社获其授权转载。本篇文章将针对深度学习资源进行一下汇总。喜欢此文的小伙伴，欢迎关注公众号：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。

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 | 视频、书籍、源码、项目，Tensorflow 纯干货学习资源汇总）
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