吐血整理深度学习入门路线及导航教学视频+大神博客+书籍整理+资源页（2019年已经最后一个月了，你还不学深度学习吗？？？）

Posted 2022-10-24 我是管小亮

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了吐血整理深度学习入门路线及导航教学视频+大神博客+书籍整理+资源页（2019年已经最后一个月了，你还不学深度学习吗？？？）相关的知识，希望对你有一定的参考价值。

声明：

1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。
2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。
3）博主才疏学浅，文中如有不当之处，请各位指出，共同进步，谢谢。
4）此属于第一版本，若有错误，还需继续修正与增删。还望大家多多指点。大家都共享一点点，一起为祖国科研的推进添砖加瓦。

〇、写在前面

可以去我的WX公众号，回复【福利】，获取更多资源！

最近没有怎么发博客，趁这个机会总结一下，2019年已经是深度学习大火甚至热度下降的一年了，我们的小伙伴应该抓紧机会赶上最后一波热潮！！！

依照我目前的学习经验和采坑总结，学习深度学习的最佳学习方法莫过于 【视频+博客+书籍】+ 总结，【视频+博客+书籍】这三个，我将把自己【目前学过的】以及【大佬推荐的】都在这篇博客文章中全部展现出来，力求全面实用，至于【总结】部分则是在于个人的发挥，【所谓师父领进门，修行在个人】，虽然我不是师傅，但是也希望能为你的未来方向提供一些力所能及的帮助。

博主将为各位趟河踩坑，保驾护航，咱们一起冲冲冲！！！上帝是公平的，所以世间的一切都是等价交换，只要你不辜负时间，时间也必然不会辜负你！！！

最后说一下，什么叫做【学习】，有好多小伙伴包括博主本人都有点急躁，但是【学习】是【学】然后【习】的过程，即 认真学习，努力实践，乐于分享。

不要忘记计算机科学技术的核心就是【分享】，不要闭门造车！！！那实在是浪费时间！！！

如果你觉得本文有用，还请 点赞，关注，收藏，这样就能让更多的人看到。

如果本文有不足或者不正之处，欢迎指正批评，感激不尽！

如果有疑问欢迎留言，绝对第一时间回复！！！

一、粉丝小福利

推荐一个可以搜索一些pdf版的电子书的网站——鸠摩搜书，https://www.jiumodiary.com/

比如搜索【深度学习】，

下文中提到的一些书都可以去其中搜索，或者也可以直接百度：

不过百度的坑比较多，但是也是可以尝试的，再或者脚本之家，https://www.jb51.net/books/

如果实在找不到，也可以直接去CSDN的下载区下载，https://download.csdn.net/，淘宝找一个商家下载即可，一般也就一两块。

二、令人头疼的数学

其实我也懂，大家也懂，很多人避而不谈或者绕开深度学习的主要原因是听到了数学，数学基础内容过多，基本上把大部人劝退了。。。【立即推 <<==>> 放弃】

其实如果你读过工科本科（因为我是工科，本科【吉大】的小伙伴有吗），就一定学过高等数学、概率论与数理统计和线性代数这三门课，这就基本上能够解决绝大多数的问题，甚至说如果你只是想当一个掉包侠的话，这些都不用全部掌握，关于深度学习的境界划分在这里——大话卷积神经网络CNN（干货满满），可以看看自己是哪一个境界的小盆友。

正文开始：

微积分：其实个人感觉涉及的微积分知识相对简单，积分很少，微分也不是特别复杂，花一天时间学一学就行。
概率论与统计：这个比较高深，是应用在机器学习领域里最重要的数序分支。应用比如：条件概率、相关系数、最大似然、大数定律、马尔可夫链等等，还是得好好搞一下概率。
线性代数：数字图像本身就是以矩阵的形式呈现的，多个向量组成的样本也是矩阵这种形式非常常见，大多机器学习算法里每个样本都是以向量的形式存在的，多个矩阵叠加则是以张量(tensor)的形式存在 Google 深度学习库 TensorFlow 的字面意思之一。
凸优化：这个需要单独拎出来说一下。因为太多问题（尤其机器学习领域）都是优化问题（求最优），凸优化是里面最简单的形式，所以大家都在想办法怎么把一般的优化问题转化为凸优化问题。至于单纯的凸优化理论，好像已经比较成熟了。在机器学习里，经常会看到什么求对偶问题、KKT条件等，潜下心花两天学一学。

数学知识真的没必要系统学习，效率低又耗时，毕竟大家都有本科或者研究生的基础了，这就足够了。目前感觉用的最多的就是矩阵论！！！因为 TensorFlow 或者其他的框架都需要计算图的大小。再或者用到的时候学，学完之后总结一下，所以一定要活学活用网上的搜索资源，比如 CSDN、知乎等等。

如果想要学习这三门课——【高等数学、概率论与数理统计和线性代数】，推荐宇哥（张宇数学）的课程，直接B站搜就能找到。

宇哥鼓励学生的一段话，送给你，无论你考没考过研，希望你都能坚持一下！！！

再坚持一下，张宇送给2018考生的最后一段话！

资源总结：

三、人生苦短，我用python

工欲善其事必先利其器，作为深度学习的基础语言，python这些年可以说是红得发紫，承蒙粉丝们抬爱，写过一个1.6W播放量的 python 的基础博客——用Python解决数据结构与算法问题（一）：Python基础，不过没有特别详细，推荐学完了基础知识的时候再看一下，以做位复习的资源，内附几个例子，可以用来练手。

基础部分看廖雪峰的 python教程就可以了，我个人有看一些，比较良心，如果不喜欢在线学习的同学也可以使用这本书——《Python编程：从入门到实践》，极其的基础，但是对小白来说非常友好，还有几个简单的项目实战。

有的同学会问是学 python2 还是 python3？这么说吧，python 核心团队计划2020年停止支持 python2，也就是说 python2 马上就要说再见了，肯定还是学 python3，遇到之前的 python2 的代码再查找区别即可。python 学起来其实很简单，看别人代码的过程就是学习的过程。对于不熟悉的用法多搜下官方文档，如 python

python 的开发环境值得说一下，因为有太多选择，这里比较建议使用 pycharm 和 jupyter notebook：

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。

下载地址：https://www.anaconda.com/download/

Pycharm，社区版免费

下载地址：https://www.jetbrains.com/

安装教程：
- Anaconda+Jupyter notebook+Pycharm：https://blog.csdn.net/TeFuirnever/article/details/90646020
- Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)：https://zhuanlan.zhihu.com/p/50302396

资源总结：

四、三两个三方库

除了python之外，还有很多常用的第三方库：numpy、pandas、scipy、matplotlib、Seaborn、scikit-learn等等，需要熟练掌握提到的这几个，其他的遇到再学习使用即可。

资源总结：

五、深。。。深度。。。深度学习理论

认真的学习深度学习理论是关键！！！

深度学习理论首推这门课——网易云的吴恩达deeplearning.ai。

离线视频：https://pan.baidu.com/s/1ciq3qHo0lgoD3MLRwfeqnA 密码：0kim。
课件，笔记，论文：https://github.com/fengdu78/deeplearning_ai_books
作业：https://github.com/stormstone/deeplearning.ai

还有我个人依据课程写的深度学习入门笔记系列

《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，入门深度学习的同时还可以学习 Keras。

英文版：https://github.com/fchollet/deep-learning-with-python-notebooks

中文版：https://github.com/fengdu78/machine_learning_beginner/tree/master/deep-learning-with-python-notebooks

李宏毅的一天搞懂深度学习课件ppt，pdf以及精心整理的目录——https://download.csdn.net/download/tefuirnever/11107293

李宏毅《机器学习》：https://www.bilibili.com/video/av59538266

李飞飞的 CS231n 课程，B站有中英文字幕版课程，知乎专栏智能单元有CS231N课程翻译（非常好）

Fast.ai《程序员深度学习实战》

视频地址：

B站地址(英文字幕)：https://www.bilibili.com/video/av18904696?from=search&seid=10813837536595120136
CSDN地址(2017版中文字幕): https://edu.csdn.net/course/detail/5192

课程笔记：

英文笔记原文：https://medium.com/@hiromi_suenaga/deep-learning-2-part-1-lesson-1-602f73869197
由ApacheCN组织的中文翻译：https://github.com/apachecn/fastai-ml-dl-notes-zh

CS230 Deep Learning

秋季CS230视频列表：https://www.bilibili.com/video/av47055599
春季CS230课程大纲：http://cs230.stanford.edu/syllabus/
Cheetsheet（斯坦福助教给出）：https://stanford.edu/~shervine/teaching/cs-230.html

资源总结：

六、一大波DL论文来袭

如果你是深度学习领域的新手，你可能会遇到的第一个问题是“我应该从哪篇论文开始阅读？”

Papers with Code 这个网站叫做 Browse state-of-the-art。它将 ArXiv 上的最新深度学习论文与 GitHub 上的开源代码联系起来。该项目目前包含了 651 个排行榜，1016 个深度学习任务，795 个数据集，以及重磅的 10257 个含复现代码的优秀论文。简直就是一个寻找论文和代码的利器。它将 1016 个深度学习任务分成了 16 大类，涉及了深度学习的各个方面。

比如目标检测的超全的文献 paper 列表：

资源总结：

大博主的正例论文资源——https://blog.csdn.net/zouxy09/article/details/8782018
Papers with Code；GitHub地址：https://github.com/zziz/pwc
Deep Learning Papers Reading Roadmap

七、有哪些知名会议呢

会议

NeurIPS：https://nips.cc/

ICML：https://icml.cc/

ICLR：https://iclr.cc/

AAAI：https://aaai.org/Conferences/AAAI-19/

IJCAI：https://www.ijcai.org/

UAI：http://www.auai.org/uai2019/index.php

计算机视觉：

CVPR：http://cvpr2019.thecvf.com/

ECCV：https://eccv2018.org/program/main-conference/

ICCV：http://iccv2019.thecvf.com/

自然语言处理：

ACL：http://www.aclcargo.com/

EMNLP：https://www.aclweb.org/portal/content/emnlp-2018

NAACL：https://naacl2019.org/

知名期刊:

JAIR：https://www.jair.org/index.php/jair

JMLR：http://www.jmlr.org/

其它

机器人方面，有 CoRL（学习）、ICAPS（规划，包括但不限于机器人）、ICRA、IROS、RSS；

对于更理论性的研究，有 AISTATS、COLT、KDD。

八、你知道知识图谱吧？！？

知识图谱是什么？

知识图谱是一种结构化数据的处理方法，它涉及知识的提取、表示、存储、检索等一系列技术。从渊源上讲，它是知识表示与推理、数据库、信息检索、自然语言处理等多种技术发展的融合。

资源总结：

九、DL框架哪家强

注：♥ 表示推荐指数，越多越好

9.1、TensorFlow

TensorFlow学习资料大全：含入门指南、在线博客、视频教程、书籍推荐和实战项目等

TensorFlow入门指南

TensorFlow如何入门
awesome-tensorflow：TensorFlow - A curated list of dedicated resources
awesome-tensorflow-2：Tensorflow 2.x resources such as tutorial, blog, code and videos

TensorFlow官网&社区

（♥♥♥♥♥）TensorFlow官网
（♥♥♥♥♥）GitHub：TensorFlow
（♥♥♥♥）Medium：TensorFlow：官方维护，分享最佳干货文章
（♥♥♥♥）Twitter：TensorFlow：官方维护，分享最快动态
（♥♥♥♥）Youtube：TensorFlow：官方维护，分享最新视频
（♥♥♥♥♥）TensorFlow官网(中国域名) 便于不能科学上网的人
（♥♥♥）TensorFlow中文社区：官方和才云科技（TensorFlow 中国社区合作伙伴）联合发起

TensorFlow在线教程

（♥♥♥♥♥）tf2_course：第一个TensorFlow2.x系列教程（作者是巨佬）
（♥♥♥♥♥）TensorFlow-Examples：TensorFlow Tutorial and Examples for Beginners with Latest APIs
（♥♥♥♥♥）TensorFlow-Course：Simple and ready-to-use tutorials for TensorFlow
（♥♥♥♥）TensoFlow2中文教程：TensorFlow2中文教程（代码实战为主）
（♥♥♥♥）TensorFlow2.0-Examples：TensorFlow2 教程（代码实战为主）
（♥♥♥♥）EffectiveTensorflow：TensorFlow tutorials and best practices
（♥♥♥）TensorFlow-Tutorials-Chinese：TensorFlow 中文教程 (Chinese Tutorials)

TensorFlow视频教程

（♥♥♥♥♥）Deep Learning basics with Python, TensorFlow and Keras 网址
（♥♥♥♥♥）TensorFlow-Tutorials：TensorFlow Tutorials with YouTube Videos
（♥♥♥♥）Stanford CS 20SI: Tensorflow for Deep Learning Research (斯坦福TensorFlow教程)
（♥♥♥）Google 机器学习速成课程：该课程虽然为Machine Learning，但代码全使用TensorFlow，有实战意义

TensorFlow书籍资源

（♥♥♥♥♥）Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition
（♥♥♥♥）Hands-On Machine Learning with Scikit-Learn and TensorFlow 中文翻译
（♥♥♥）TensorFlow Machine Learning Cookbook

TensorFlow实战项目

9.2、PyTorch

PyTorch资料学习大全：含入门指南、在线教程、视频教程和书籍推荐等资源

PyTorch安装教程

PyTorch入门指南

Awesome-pytorch-list：A comprehensive list of pytorch related content on github,such as different models,implementations,helper libraries,tutorials etc.
知乎：新手如何入门PyTorch
PyTorch：60分钟入门

PyTorch官网&社区

（♥♥♥♥♥）PyTorch官网
（♥♥♥♥♥）GitHub：PyTorch
（♥♥♥♥）Twitter：PyTorch：官方维护，分享最快动态
（♥♥♥♥）PyTorch官方论坛
PyTorch中文文档&教程
知乎话题：PyTorch

PyTorch在线教程

（♥♥♥♥♥）PyTorch：Doc
（♥♥♥♥♥）pytorch-tutorial：PyTorch Tutorial for Deep Learning Researchers
（♥♥♥♥♥）practicalAI：Implement basic ML algorithms and deep neural networks with PyTorch.
（♥♥♥♥）practical-pytorch：PyTorch tutorials demonstrating modern techniques with readable code
（♥♥♥♥）Deep Learning with PyTorch：This series is all about neural network programming and PyTorch!
（♥♥♥♥♥）pytorch-book：PyTorch tutorials and fun projects including neural talk, neural style, poem writing, anime generation
（♥♥♥♥♥）莫凡：PyTorch教学：Build your neural network easy and fast
（♥♥♥♥♥）pytorch-handbook：pytorch handbook是一本开源的书籍
（♥♥♥♥）Dive-into-DL-PyTorch：本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
（♥♥♥♥）PyTorch_Tutorial：《Pytorch模型训练实用教程》中配套代码 PyTorch学习笔记

PyTorch视频教程

（♥♥♥♥）PyTorch - Deep Learning with Python
（♥♥♥）Neural Network Programming - Deep Learning with PyTorch
（♥♥♥）Intro to Deep Learning with PyTorch：优达免费课程
（♥♥♥♥♥）莫凡：PyTorch教学

PyTorch书籍资源

（♥♥♥♥♥）Deep Learning with PyTorch：LeCun力荐，PyTorch官方权威教程书 github代码
（♥♥♥）Introduction to Artificial Neural Networks and Deep Learning: A Practical Guide with Applications in Python
（♥♥♥♥♥）《深度学习框架PyTorch：入门与实践》github

PyTorch实战项目

pytorch-examples：官网示例
pretrained-models.pytorch：Pretrained ConvNets for pytorch: NASNet, ResNeXt, ResNet, InceptionV4, InceptionResnetV2, Xception, DPN, etc.
maskrcnn-benchmark：Fast, modular reference implementation of Instance Segmentation and Object Detection algorithms in PyTorch.
mmdetection：Open MMLab Detection Toolbox with PyTorch 1.0
pytorch-semseg：Semantic Segmentation Architectures Implemented in PyTorch
faster-rcnn.pytorch
ssd.pytorch
semantic-segmentation-pytorch
pytorch-pretrained-BERT
torchcv：A PyTorch-Based Framework for Deep Learning in Computer Vision
https://github.com/devnag/pytorch-generative-adversarial-networks