吴恩达的课上完了？如何科学开启你的深度学习论文阅读生涯

当您阅读与深度学习相关的书籍或拥有精彩的在线课程时，您如何学到更多知识？我们如何“自力更生”并独立了解相关领域的最新研究进展？作者NityeshAgarwal毕业于Jadap大学，在学校学习信息技术。他现在是志愿者，为开源社区做出贡献。以下是作者第一人提出的建议。事先陈述-我不是深度学习方面的专家。我最近也开始阅读研究论文。

我这样说是为了让你在阅读这篇文章时不感到沮丧。当您多次开始阅读时，您可能无法理解文章的含义。没什么，请继续往下看！现在，我们介??绍一些有助于文献的宝贵资源。这是一个每个人都在互联网上发表文章的地方，这些文章中充满了尚未在知名期刊上正式发表的文章（这些文章可能永远不会正式发表）。他们为什么这样做呢？事实证明，做研究和撰写文章并不是整个研究的结果！

这是由特斯拉的人工智能主管AndrejKarpathy创建的，他是我最喜欢的AI神。ArxivSantiy在arXiv中的角色类似于Twitter在Twitter上的信息流（尽管ArxivSanity完全是开源的，没有广告）。从庞大的微博中，Twitter的信息流将根据您的个人喜好推送您有趣的微博。

您是否看过自2012年以来代表计算机视觉和模式识别的红线飙升？这种情况主要归功于本文。本文重新引起了对深度学习的兴趣。

ImageNetLarge-ScaleVisualRecognitionChallenge(ILSVRC)2012大赛测试集和验证集的错误率比较。斜体结果表示其他方法得到的最有结果。带星号*的结果是用“预训练”的模型来识别ImageNet2011Fall样本的结果。毫无疑问，整个计算机视觉社区都震惊了，关于该领域的研究正前所未有地飞速发展。