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 !
※微軟要放棄Edge了?傳微軟正在構建基於Chromium的瀏覽器
※英偉達發布遷移學習工具包,現在可以申請早期試用
TAG:量子位 |