【深度学习】Deep learning--知识结构搭建

深度学习，在语音识别、图像识别、自然语言处理方面取得良好的效果，受到工业界的热捧。通往AI(人工智能)的道路是艰难的，深度学习取得的成绩，给AI的研究者带来了一点喜悦。真正实现跟人类一样的智能，还需要更多的突破，深度学习并不是AI的全部。但是，对于智能时代是一个福音，大量的数据积累，传统机器学习有他的不足之处。智能硬件的发展给深度学习插上了翅膀，GPU并行计算，加速了神经网络的计算速度。下面，整理一些业界比较经典的资料，帮助大家对深度学习有一个相对完整的认识。

• Deep learning 官网 http://deeplearning.net/
• Deep learning 教程 http://www.deeplearning.net/tutorial/
• 神经网络基础(斯坦福) http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
• 机器学习(吴恩达 斯坦福) http://open.163.com/special/opencourse/machinelearning.html
• Deeplearning 维基百科介绍：

https://en.wikipedia.org/wiki/Deep_learning

三个基础架构：CNN、RNN、LSTM

• CNN https://en.wikipedia.org/wiki/Convolutional_neural_network http://videolectures.net/deeplearning2016_fergus_neural_networks/(Convolutional Neural Networks and ComputerVision)
• RNN https://en.wikipedia.org/wiki/Recursive_neural_network http://videolectures.net/deeplearning2016_bengio_neural_networks/(YoshuaBengio)
• LSTM https://en.wikipedia.org/wiki/Long_short-term_memory
• Neural Networks(神经网络) http://videolectures.net/deeplearning2016_larochelle_neural_networks/
• Theoretical neuroscience and deep learningtheory(神经科学&深度学习理论) http://videolectures.net/deeplearning2016_ganguli_theoretical_neuroscience/
• Machine Learning(基础介绍) http://videolectures.net/deeplearning2016_precup_machine_learning/
• GPU编程 http://videolectures.net/deeplearning2016_bernauer_olson_deep_learning/
• Reinforcement Learning http://videolectures.net/deeplearning2016_pineau_reinforcement_learning/ http://videolectures.net/deeplearning2016_abbeel_deep_reinforcement/

几个比较成熟的开源深度学习框架

• 1、theano

官网：http://deeplearning.net/software/theano/

• theano 安装教程

http://deeplearning.net/software/theano/install.html#install

• theano 入门指导

http://deeplearning.net/software/theano/tutorial/index.html#tutorial

• theano 开发者手册

http://deeplearning.net/software/theano/dev_start_guide.html#dev-start-guide

• github链接

https://github.com/Theano/Theano

• 视频教程

http://videolectures.net/deeplearning2016_lamblin_theano/

• 2、Facebook深度学习框架torch7

官网：http://torch.ch/

• github资源

https://github.com/torch/torch7

• 安装指南

http://torch.ch/docs/getting-started.html

• 视频介绍

http://videolectures.net/deeplearning2016_wiltschko_torch/

• ppt资源

https://github.com/soumith/cvpr2015/blob/master/cvpr-torch.pdf

• 3、Google 深度学习框架tensorflow

官网：https://www.tensorflow.org/

• 入门指导

https://www.tensorflow.org/versions/r0.10/get_started/index.html

• tensorflow视频介绍

http://videolectures.net/deeplearning2016_dean_deep_learning/

• 4、开源版本：caffe

官网：http://caffe.berkeleyvision.org/

• Github资源

https://github.com/BVLC/caffe

• 安装指导

http://caffe.berkeleyvision.org/installation.html

• 5、deeplearning4j

官网：http://deeplearning4j.org/

• spark+deeplearning4j

链接：http://deeplearning4j.org/spark

以上是，最近整理的一些资料。深度学习,理论比较难。但是，要换一个思路来学习，探索的过程比较困难，学习的过程难度已经减半，要结合现有开源框架的实现+经典论文的阅读，是我比较推荐的。技术还会革新，新的框架还会出现，但是，这种研究思路、思考问题的思维方式值得学习、借鉴。