关于学习 Deep Learning 的一些参考资料和建议

deep-learning

1. 入门参考资料

• 首先找个梯子，能Google的那种。

• 零基础入门深度学习：中文参考资料，内附代码。

• 卷积神经网络课程（Stanford-CS231n）：
  · 英文课程，课程官网有相关课程作业，GitHub可以找到答案。
  · 课程视频：Yotube(英文)、 Bilibili(中文)。

• 深度学习网络课程（Stanford-CS230)

2. 编程参考资料

• PyTorch (适合做研究，推荐)
  上手难度: $\star$
  可拓展性: $\star\star\star\star$
  计算效率: $\star\star\star\star$

  · 如何配置环境：
  (1).安装Anaconda;
  (2).安装NVIDIA显卡驱动 (GPU版本必选);
  (3).使用conda安装CUDA和CUDNN(GPU版本必选)、PyTorch和Torchvison等。

  · 以及：如何使用conda创建和使用虚拟环境

  · PyTorch参考文档：
  (1).pytorch-handbook(中文)
  (2).pytorch-book(中文)
  (3).官方文档：中文文档、 英文文档

• TensorFlow
  上手难度: $\star\star\star$
  可拓展性: $\star\star\star\star\star$
  计算效率: $\star\star\star\star\star$
  如何安装以及教程就不详细写了，过程与PyTorch类似，需要可以自己查：
  Google、Baidu、GitHub。

• 还有一些深度学习的编程框架，就不一一枚举了。

3. 相关论文

• 一些经典的架构:
  ResNet (重要)
  DenseNet（重要）
  FCN (全卷积，重要)
  Attention (NLP领域重要)
  GAN（生成对抗网络）

• 一些典型的应用:
  检测与分割: R-CNN以及YOLO系列

• 一些经典的操作:
  Dropout
  Batch Normalization