原文地址:http://blog.csdn.net/hjimce/article/details/45421595
作者:hjimce
一、學習清單
1、綜合類
(1)收集了各種最新最經典的文獻,神經網絡的資源列表:https://github.com/robertsdionne/neural-network-papers 裏面包含了深度學習領域經典、以及最新最牛逼的算法,如果把這個列表學過一遍,基本已然達到了大神級別。
(2)機器學習學習清單:https://github.com/ujjwalkarn/Machine-Learning-Tutorials/blob/master/README.md 當然也包含了深度學習各種資源教程
(3)2010-2016被引用最多的深度學習論文:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650716071&idx=1&sn=7aa209732425c6a52536fbb9012a09fd 本人看了一下,感覺很不錯,以後就根據這個一篇一篇的啃。
2、計算機視覺
(1)計算機視覺學習清單:https://github.com/kjw0612/awesome-deep-vision 裏面包含的都是最經典的深度學習paper。如果把裏面的paper都學過一遍,可謂視覺領域的高手高手高高手……
(2)快速搞深度學習圖像識別項目,莫過於看識別效果排行榜,找最牛逼的算法搭建起來:http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#53544c2d3130
3、NLP領域
(1)自然語言學習清單:https://github.com/keonkim/awesome-nlp 從NLP菜鳥到高手的成長之路學習清單
(2)RNN、LSTM等偏向NLP算法類:http://handong1587.github.io/deep_learning/2015/10/09/rnn-and-lstm.html 看起來好像很不錯的樣子
(3)博客推薦:http://www.wildml.com/ 包含了RNN、LSTM、Attention機制等教程,最主要的是講解的淺顯易懂,讓我等菜鳥受益匪淺
二、其它總結
1、調參經驗:http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.html,裏面講解了深度學習的調參經驗總結,很是經典。
2、梯度下降各種變體總結:http://sebastianruder.com/optimizing-gradient-descent/ 作者寫的非常好,淺顯易懂
3、深度學習加速相關優化:https://handong1587.github.io/deep_learning/2015/10/09/acceleration_model_compression.html
ios:https://developer.apple.com/reference/metalperformanceshaders
http://www.mattrajca.com/2016/11/26/speeding-up-tensorflow-with-metal-performance-shaders.html
http://machinethink.net/blog/
4、深度生成模型淺顯易懂博客:http://www.inference.vc/page/4/
5、iPhone移植:http://machinethink.net/blog/
三、訓練數據
1、計算機視覺
(1)人臉數據:
A、香港中文大學訓練數據集:http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
此數據庫包含了20w張人臉圖片,每張圖片標註了5個特徵點、以及幾十種屬性(是否微笑、膚色、髮色、性別等屬性)
B、68個人臉特徵點:http://ibug.doc.ic.ac.uk/resources/facial-point-annotations/
此網站差不多可以下載到3000張,訓練數據圖片,每張圖片標註了68個人臉特徵點
C、74個人臉特徵點:http://gaps-zju.org/DDE/
這個網站包好了1.4w張的人臉訓練數據圖片,每張圖片標註了74個人臉特徵點。不過這個數據感覺標註的很不精確
D、性別與年齡訓練數據:https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/
這個網站包含了500k+的人臉性別與年齡訓練數據,同時還有文獻及代碼,對於搞性別年齡預測,資源充足
(2)深度估計、圖像分割:
A、RGBD訓練數據列表:http://www0.cs.ucl.ac.uk/staff/M.Firman/RGBDdatasets/
2、自然語言
(1)問答系統:https://github.com/karthikncode/nlp-datasets