真·干货！这套深度学习教程整理走红，从理论到实践的带你系统学习 | 资源

铜灵 发自 凹非寺 量子位 出品 | 公众号 QbitAI

寒假/春节小长假给自己充电的真·干货来了。

如果你想要的是一份从理论到实践的深度学习教程清单，如果你想系统了解各类框架、基础网络与各种使用场景，如果你缺一套即用即查的手边书——

那这套教程整理简直再合适不过了！

近日，这套名为HyperDL-Tutorial的课程整理在网上走红，科技博主@爱可可-爱生活分享一天，引来上百名网友转发，还被不少网友私藏。

课程介绍

这套教程整理的作者lsy17096535表示，HyperDL-Tutorial是深度学习相关系列内容的资料整理，还包含自己在深度学习实践中的一些经验。

这套教程集合共分为9节，从常见的深度学习框架、基础网络到适用场景与相关面试题都有。内容由浅入深、由理论到实践，适合深度学习新手。

各章节目录如下：

1. 常见深度学习框架
2. 基础网络
3. 神经网络的优化
4. 模型之间的转换
5. 适用于移动端的框架
6. 神经网络的设计
7. 神经网络的适用场景
8. 基础网络的训练
9. 相关面试题

这套教程整理中的每个章节，都暗含了大量资源链接。你也可以把它当成一本简洁的工具书，在想系统查找某个具体应用时查一查。

举个例子——

在深度学习在图像领域的应用这一节，作者总结了在视觉领域一些方向上基于深度学习的优秀算法，整理出了检测、分类、识别、追踪、分割、边缘检测、图像复原这7大类应用方向。

先细化出几大类方向后，作者继续分类和细化。比如物体检测分支，作者将应用分为单一物体检测与通用物体检测两个子类，物体识别分支，分为了人脸识别和文字识别两个子类。

如同思维导图，每个子类进一步细化到了具体算法。在单一物体检测子类上，作者总结了MTCNN与Cascade-CNN两种流行算法，还附上了每个算法所用技术及GitHub地址。

如果你想深入了解MTCNN算法，轻戳一下就进入了MTCNN GitHub介绍文档，之后可以继续探究。

不过，这套教程并不适合还没有入门的0基础AI小白，每个章节中的所附内容还是以GitHub上的开源代码地址和相关论文为主，想看懂还是需要一定的研究基础。

作者表示，目前教程还在逐渐完善中，比如第3节神经网络的优化与第9节的相关面试题，才刚刚开了头写到了引语。

春招马上来了，记得经常刷新一下，说不定就用上了呢~

传送门

GitHub地址： https://github.com/zeusees/HyperDL-Tutorial

记得收藏~

— 完 —