神经网络和深度学习资源推介

2016-04-22我们爱智慧

神经网络和深度学习资源推介_第1张图片

前言:本文是推荐给在校CS专业学生的资源推介,参考网络文献整理。谢谢大家的分享!

1、第一次接触

深入浅出地介绍神经网络

https://www.zhihu.com/question/22553761#answer-33473096

吴军《数学之美》关于神经网络,讲得比较清楚。高大上的神经网络,其实也就是数据结构的图,这样来理解就比较平易近人。有一种难,是我们觉得这很难。如果我们将某种事物标记为“难”,那么我们真的会觉得这很难。其实,真正有用有趣的事物,往往并不难。

李飞飞: 我们怎么教计算机理解图片?

http://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures?language=zh-cn#t-17202

下一个“AlphaGo”会出现在疾病诊断领域吗?

http://v.qq.com/iframe/player.html?vid=k01489ruyqn&300&NaN&auto=0

目前的机器学习确实有很大的突破,在某种程度上复制了人类的学习能力,可以做很多事情。

2、深入学习

斯坦福大学公开课 :机器学习课程

http://open.163.com/special/opencourse/machinelearning.html

3、Deep Learning 经典阅读材料

阐述Deep learning主要思想的三篇文章:

Hinton, G. E., Osindero, S. and Teh, Y., A fast learning algorithm for deep belief netsNeural Computation 18:1527-1554, 2006

Yoshua Bengio, Pascal Lamblin, Dan Popovici and Hugo Larochelle, Greedy Layer-Wise Training of Deep Networks, in J. Platt et al. (Eds), Advances in Neural Information Processing Systems 19 (NIPS 2006), pp. 153-160, MIT Press, 2007

Marc’Aurelio Ranzato, Christopher Poultney, Sumit Chopra and Yann LeCun Efficient Learning of Sparse Representations with an Energy-Based Model, in J. Platt et al. (Eds), Advances in Neural Information Processing Systems (NIPS 2006), MIT Press, 2007

4. Deep Learning工具

首先你最好要有个能支持cuda的GPU,否则纯CPU是很慢的,尤其是处理图像的问题。

Theano(基于Python), http://deeplearning.net/tutorial/系列教材就是基于Theano工具的。在这个网站可以看到无数的深度学习相关工作链接,足够慢慢扩展到深度学习的所有前沿研究和工具了。

Torch (https://github.com/torch/torch7/wiki/Cheatsheet),基于lua编程语言(类matlab)。用的人非常多,因此很多常见模块的实现都很全面。

DeepLearnToolbox (https://github.com/rasmusbergpalm/DeepLearnToolbox),基于matlab。代码逻辑清楚,适合跟着代码学习深度学习的每个细节。

Caffe (http://caffe.berkeleyvision.org/),纯c++,科学研究中很多学者常用的工具,文档也很齐全。做物体检测相关任务的话,非常推荐!

Cuda-convnet2 (https://code.google.com/p/cuda-convnet2/),效率高,支持单机多卡。ImageNet2012年冠军Alex的作品!做简单的分类、回归问题推荐!不支持RNN。

Cxxnet (https://github.com/dmlc/cxxnet),纯c++。优点:支持多机多卡训练,适合公司级的部署。

主要参考:张德兵:深度学习史上最全总结。

“我们爱智慧”微信公众号新鲜出炉,欢迎微信搜索关注“我们爱智慧”或者“WeLoveWisdom”公众号,或者长按下方的二维码。东西方经典,快乐与智慧,健康与养生,计算与智能,一起来学习和分享那些引领我们和世界走向更美好的事物……

你可能感兴趣的:(神经网络和深度学习资源推介)