破千顆星的 GitHub 超強資源包,所有好用的「深度學習」資源都在這裡啦!

【我們為什麼挑選這篇文章】深度學習是 AI 學科必讀項目,沒有深度學習根本無法抵達 AI 研究的頂點,更別談普遍應用在產業上。這份深度學習的學習資源分門別類,要找哪類型的學習項目都整理好了。那還有什麼理由不存起來呢?(責任編輯:陳伯安)

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、部落格、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,在這份資源裡,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。

分門別類,資源項目輕鬆找

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

論文

論文資源版塊,一共分成  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、人臉辨識等方面應用論文,並附上論文的連結,部分論文有相應的實現程式碼,還對論文進行了星級評價。

數據集

數據集版塊,也是  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,並在給出資源連結的同時,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  類:通用、面部辨識、物體辨識、行為辨識。

人臉辨識類別中,一共有 個數據集,分別是 FERET CMU 的 PIE YouTube Faces DBGrammatical Facial ExpressionsFaceScrubIMDB-WIKI FDDB。都給出了介紹與數據集下載連結。

課程、圖書、部落格與教程

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

覆蓋了史丹佛、CMUGoogle、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。

部落格

深度學習領域的喜歡寫部落格的大牛,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 TensorflowPytorchCNTKMatConvNetKerasCaffeTheanoCuDNNTorchDeeplearning4j

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

1 分鐘介紹這份資源的整理者

這份資源的貢獻者是一個致力於開源的組織 Open Source for Science,其中的成員兩男一女。

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。

傳送門點 這裡

(本文經原作者 量子位  授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈深度学习资源一网打尽!论文、数据集、框架、课程、图书等应有尽有 〉,首圖來源:GitHub。)

GitHub 資源彙總

上班真的不能看的數據集,匯集近 23 萬張圖的「掃黃工具包」強勢攻佔 GitHub 排行榜

擁有 17,000 顆星的 GitHub 大神開課!90 分鐘傳授,如何只用 JavaScript 建構神經網路

GitHub 神人整理出一份 Python 開源清單:15 個領域、181 個開源項目任你用


我們正在找夥伴!

2019 年我們的團隊正在大舉擴張,需要你的加入跟我們一起找出台灣創新原動力! 我們正在徵 《採訪社群編輯》、《助理編輯》,詳細職缺與應徵辦法 請點我

點關鍵字看更多相關文章: