深度學習資源一網打盡！論文、數據集、框架、課程、圖書等應有盡有

乾明 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

最近，GitHub上出現一份深度學習資源，涵蓋深度學習的各個方面，包括論文、數據集、課程、圖書、博客、教程、框架等。

資源的貢獻者說，與其他同類資源相比，這份資源更有針對性。

如果有人知道自己在找哪方面的深度學習資源，在這份資源里，可以很容易找到最相關的資源。

即使有人不知道要找什麼樣的資源，來到這裡，也會找到最通用的資源。

這是因為他們對深度學習各方面的資源進行了細緻的分類。

比如論文版塊，不僅僅只是細化到各個籠統的類別，還會依據用途對論文進行分類，比如用於句子分類的卷積神經網路等等。

目前，這份資源在GitHub上已經獲得1250多星。

資源里都有什麼？

整體來說，這份資源可以理解為是深度學習領域的hao123，一共將深度學習各方面的資源分成了7大類。具體是：

論文

論文資源版塊，一共分成3個類別，分別是模型、核心和應用。

在每個類別之下，又進行了兩次細化分類。以模型分類為例：

在模型分類中，細化到卷積網路、循環網路、自編碼器、生成模型和概率模型。在每個模型下面會根據模型的用途進行分類，來給出相關的論文。

比如卷積網路，提供了關於圖像分類、句子分類、視頻分類、人臉識別等方面應用論文，並附上論文的鏈接，部分論文有相應的實現代碼，還對論文進行了星級評價。

數據集

數據集版塊，也是3個類別，分別是圖片數據集、文本與自然語言處理數據集和語音技術數據集。

每個方向，也會再進一步分類，並在給出資源鏈接的同時，附以相應數據集的特點與用途。以圖片數據集為例：

圖片數據集一共被分成了4類：通用、面部識別、物體識別、行為識別。

課程、圖書、博客與教程

相比論文與數據集資源，課程、圖書等方面的資源相對就少了很多。但在深度學習領域有價值的資源都被囊括在內。

課程

覆蓋了斯坦福、CMU、谷歌、英偉達、Fast.ai等業內知名高校、企業或機構提供的課程。

圖書

一共四本，分別是《深度學習》、《神經網路和深度學習》、《Python深度學習》和《Scikit-Learn與TensorFlow機器學習實用指南》，其中第一本和第四本有中文版。涵蓋了深度學習的原理介紹，實現方式等。

博客

深度學習領域的喜歡寫博客的大牛，基本上都列入在內。

教程

包括深度學習的教程以及將深度學習應用到NLP領域的教程等。

框架資源

框架方面，一共有10個。分別是Tensorflow、Pytorch、CNTK、MatConvNet、Keras、Caffe、Theano、CuDNN、Torch、Deeplearning4j。

每個框架都給出了指向框架官方網站的鏈接，只有Torch給出的是GitHub鏈接。

誰貢獻的這份資源

這份資源的貢獻者是一個致力於開源的組織Open Source for Science，其中的成員有兩位小哥和一位小姐姐。

他們都與弗吉尼亞理工大學有關。兩位小哥是Amirsina Torfi和Ali T Z Kasgari，弗吉尼亞理工大學的博士生；小姐姐名叫Negin Forouzesh，弗吉尼亞理工大學的博士生候選人。

傳送門

https://github.com/osforscience/deep-learning-ocean#what-s-the-point-of-this-open-source-project

—完—

加入社群

量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡就點「好看」吧 !

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！