推荐文章汇总——持续更新

---

启蒙读物：

深层学习为何要deep： https://www.gitbook.com/book/yjango/-deep
分为以下几章节：神经网络的动态过程，训练过程，线性代数的动态过程

这里主要讲的是每一层网络都是由线性和非线性变化组成，神经网络：节点代表线性升降维，旋转平移等，可以理解为‘抻’；层数代表非线性变化，也可以理解成增加‘扭曲’。而目的就是把输入空间‘拧’成线性可分的空间。

---

1.CNN入门

这篇文章描述cnn生动形象，入门级好文章，也可以翻到标签里，看一看深度学习其他文章，但公式居多：http://www.cnblogs.com/ooon/p/5415888.html

强烈推荐一篇：http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp生动形象

2.对于Batch Normalization算法

Batch Normalization：
原文：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
详细说明：http://blog.csdn.net/hjimce/article/details/50866313
更好的理解：http://blog.csdn.net/malefactor/article/details/51476961#0-tsina-1-62851-397232819ff9a47a7b7e80a40613cfe1
理解：http://blog.csdn.net/shuzfan/article/details/50723877
效果为什么好：https://www.zhihu.com/question/38102762

Batch Normalization解决的是Internal Covariate Shift问题，算法可以加快运行，调参数变简单了，初始学习速度可以很大。。。好处挺多的。
本质：由于每一层的参数都在不断变化，所以输出的分布也会不断变化，造成梯度需要不断适应新的数据分布。所以，每一个mini batch里，对每个维度进行归一化。但由于个体差异，要加上两个适应参数。
Keras中有代码

---

Keras框架学习

官网翻译的中文文档：http://keras-cn.readthedocs.io/en/latest/
全套：https://blog.keras.io/
代码：https://github.com/fchollet/keras

kaggle竞赛的代码：翻开一看吓了一跳!高中隔壁班的大神，怎么着也得推荐一下：https://github.com/wjfwzzc/Kaggle_Script

---

机器学习

http://my.csdn.net/zouxy09

---

opencv入门学习

http://blog.csdn.net/zhmxy555/article/category/1923021

---

一个人的归纳总结：http://blog.csdn.net/lightty/article/details/52033641