深度學習資料

我在學習深度學習的過程中遇到了很多坑，但尷尬是教研室只有我一個人做深度學習，所以只能靠自己摸索。剛開始時配置一個深度學習框架caffe需要一週，現在只需要一個小時。下面的這些網頁給了我很大的幫助。希望也能給一些對深度學習感興趣的同學一點幫助。

1.爆詳細Ubuntu16.04,CUDA8.0,Caffe,OpenCV3.1,Theano,Tensorflow完全配置指南（Ubuntu16.04的編譯器GCC默認是5.1，可能需要降級）

http://blog.csdn.net/xierhacker/article/details/53035989

2.Caffe+ubuntu14.04+Cuda8.0安裝（Ubuntu14.04默認編譯器是GCC4.8，不用降級）

http://blog.csdn.net/u012177034/article/details/52102676

3.ubuntu16.04 安裝配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe環境

http://www.cnblogs.com/LaplaceAkuir/p/6262632.html

4.ubuntu14.04+cuda8.0+cudnn5.1+caffe+tensorflow 安裝教程

http://blog.csdn.net/u013645510/article/details/53448806

5.ubuntu16.04+gtx1060+cuda8.0+caffe安裝、測試經歷

http://blog.csdn.net/wopawn/article/details/52302164

6.linux替換cudnn版本以及鏈接庫碰到的問題（cudnn加速庫版本的話編譯過程可能會出錯）

http://blog.csdn.net/hungryof/article/details/52746279

7.教你從頭到尾利用DL學梵高作畫：GTX 1070 cuda 8.0 Ubuntu 14.04 cudnn 5.1 tensorflow gpu（這是一個入門的好實例）

https://www.tuicool.com/articles/r6fAVrU

8.Ubuntu 14.04下CUDA8.0 + cuDNN v5 + Caffe 安裝配置

http://www.linuxidc.com/Linux/2017-01/139300.htm

9.Windows 10安裝Tensorflow手記

https://zhuanlan.zhihu.com/p/24055668?refer=wjdml

10.Windows下安裝TensorFlow和Caffe

https://my.oschina.net/propagator/blog/824975

11.tensorflow1.0安裝（長期使用的話建議源碼安裝，否則使用命令安裝）

http://blog.csdn.net/qq_26819733/article/details/56480638

12.在Win10 Anaconda中安裝Tensorflow

http://www.mamicode.com/info-detail-1671128.html

從2012年的AlexNet橫空出世以後，深度神經網絡發展的速度已經超過幾乎所有關於特徵提取的算法。其實神經網絡的出生早在上世紀70年代左右，經歷了二起二落（不一定）以後大神們才總結出一個實用的網絡模型，現在主流的網絡結構大部分是從AlexNet和LeNet發展和演變而來。安裝完深度學習框架caffe或者tensorflow以後，建議直接上手試驗源碼。現在很多深度學習框架都是一些庫類型，比如sklearn、keras等等，目前還有一個很好的框架叫Pytorch，是FB以lua腳本語言的發展起來的，相當於原來Torch的進化版本。我收集了一些論文和源碼資源，這些資源都是計算機視覺領域的研究者無償貢獻的，包括CVPR等頂會文章發佈以後會公佈源碼，感謝這些無私奉獻的科學家爲我打開了一個新世界，也希望能對你的學習有所幫助。

1.近幾年引用較多的論文和部分源碼（強烈推薦）

https://github.com/terryum/awesome-deep-learning-papers

2.深度學習的論文閱讀之路（強烈推薦）

https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap

3.計算機視覺和模式識別 CVPR2016的代碼合集（2017年的還沒有全部公佈）

http://blog.csdn.net/mydear_11000/article/details/51915489

4.教程 | 斯坦福CS231n 2017最新課程：李飛飛詳解深度學習的框架實現與對比

https://mp.weixin.qq.com/s/ClKKmLMCIeuSaMd9lSUYzw

5.十個主題，最全的優秀 TensorFlow 相關資源列表

https://my.oschina.net/hardbone/blog/798552

6.計算機視覺識別簡史：從 AlexNet、ResNet 到 Mask RCNN

https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651997432&idx=1&sn=1e926dae6bef826c81d1e9335b3c14d9&chksm=f1213009c656b91ff32a1d2b1f25b4c37419e08fb2e832d69dec63cc777bb1fb5b68b72b2dcf&mpshare=1&scene=23&srcid=0430aLAkdp7OF98aBKshDTyo#rd

7.機器視覺開源代碼集合

http://www.cnblogs.com/einyboy/p/3594432.html

8.大量計算機視覺深度學習資源

https://www.tuicool.com/articles/rEFbErv

9.近200篇機器學習&深度學習資料分享（含各種文檔，視頻，源碼等）

http://www.open-open.com/lib/view/open1428738163484.html

10.Github上同學總結的機器學習和deeplearning方面的很全的資料

https://zhuanlan.zhihu.com/p/26985905

11.斯坦福機器學習CS229課程講義的中文翻譯（強烈推薦）

https://github.com/Kivy-CN/Stanford-CS-229-CN

深度學習一開始是在圖像領域飛黃騰達，主要是因爲卷積操作對圖像的縮放、旋轉、光照不敏感，這個特性就是讓深度卷積神經網絡首先在圖像上突破的關鍵。我的主要研究方向是遙感圖像，但是目前的神經網絡能批量化處理的普通自然圖像大小仍然在1000*1000以下，而一幅遙感圖像的大小在900M到1500M之間，或者更大，直接將這種遙感圖像輸入會把顯卡憋死。不過，Lecun的LeNet的輸入是32*32的圖像，發展到今天，已經有ImageNet和Micro COCO這樣的圖像數據庫、cityscapes這樣的城市街景數據庫、VOC、SUN等等，還有motchallenge、videonet這樣的視頻數據庫，他們有各種各樣的圖像或者視頻大小。給你推薦一些網頁版、手機端的、電腦端的深度學習應用，網頁版的你直接輸入一張本地圖片，就會輸出一張結果圖。
1.SegNet（這是劍橋大學2015年爲自動駕駛研究的一個網絡，只需要一個攝像頭。）
http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html
2.3D ConvNets （這是FB的三維卷積，現在的卷積大部分都是二維卷積，今年的CVPR2017裏有首次利用三維卷積的論文）
https://github.com/facebook/C3D/tree/master/C3D-v1.1
3.CRF as RNN （這是牛津大學把傳統機器學習算法CRF融入神經網絡的應用）
http://www.robots.ox.ac.uk/~szheng/crfasrnndemo
4.賈揚清：希望Caffe成爲深度學習領域的Hadoop（大神的採訪，我看了五遍）
http://www.csdn.net/article/2015-07-07/2825150
5.TensorFlow練習7: 基於RNN生成古詩詞（微軟小冰可以寫詩，各種體裁都可以）
https://www.tuicool.com/articles/BZZb6rJ
6.玩轉谷歌物體識別API，用TensorFlow和OpenCV打造實時識別應用（有攝像頭的電腦都能用，手機端的話要壓縮網絡）
https://mp.weixin.qq.com/s/vNSQV6w8m4JASzNIWfL9dQ
7.RNN—生成音樂
http://blog.csdn.net/u014365862/article/details/53868549
8.谷歌開源MobileNets：在移動設備上高效運行的計算機視覺模型（還有其他其中壓縮神經網絡可以在手機端運行）
https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247486302&idx=4&sn=d14188c6e9147b2603fdd31a9bd5f555&chksm=e8d3bc2cdfa4353aec4beceaa7258ed50eae8a5c9b6985eb2ace1eee6bdb694468aad1ea6a83&mpshare=1&scene=23&srcid=0615GoixjxoYU8q99KCSF2pX#rd
9.如何用3D-CNN確認說話人身份？這裏有Code+Paper
https://mp.weixin.qq.com/s/qrRjK5_tU0mpV-keFkEu2Q
10.機器學習原來這麼有趣！第四章：用深度學習識別人臉
https://zhuanlan.zhihu.com/p/24567586
11.谷歌地圖重大升級 用深度學習實時更新街景
http://news.zol.com.cn/638/6381881.html
12.CNNdroid:在Android上利用GPU加速執行CNN(我最喜歡的一個)
http://www.jianshu.com/p/b60a216845e8

、

現在神經網絡可能都是用CUDA做平臺，CUDA必須運行在NVIDIA顯卡上，其他的都不行。
無GPU就用Tensorflow的CPU版本，或者Pytorch，由你的開源代碼決定
無GPU模式是可以選擇的編譯選項。
Caffe需要CUDA，可以選擇無GPU模式。
不要在虛擬機上裝Caffe。因爲是虛擬出來的驅動，安裝不會成功。