学习-CSDN博客

python3英文视频教程(全87集) http://pan.baidu.com/s/1dDnGBvV
python从入门到精通视频（全60集）链接：http://pan.baidu.com/s/1eQw2dd4 密码：9bdl
python学习手册视频教程(全44集) http://pan.baidu.com/s/1o64tpf8
零基础入门学习Python(全42集) 链接：http://pan.baidu.com/s/1qWNmdKo 密码：jrjy
中谷python视频教程（全38集） http://pan.baidu.com/s/1o6LUn1o
老男孩Python运维系统开发（全36集）链接：http://pan.baidu.com/s/1sjuJLEl 密码：kypb
Let's-python系列视频教程（全25集） http://pan.baidu.com/s/1dD4BAi1
老男孩Python高级运维编程实战精品入门进阶（全27集）链接：http://pan.baidu.com/s/1dDu2k61 密码：q8s8
播布客python基础教程(全21集) http://pan.baidu.com/s/1o6p0krC
老男孩python运维视频教程（全15集）http://pan.baidu.com/s/1o6hYBqi
基于python web框架(全13集) http://pan.baidu.com/s/1mgFSE60
Python.Django视频教程（全13集）http://pan.baidu.com/s/1mgC4RdY
python基础教程视频(全13集) http://pan.baidu.com/s/1kTDmOy7
老男孩python自动化运维视频教程（全9集）http://pan.baidu.com/s/1o6Fi9KI
Python视频专题讲座（全9集） http://pan.baidu.com/s/1bndBuAr
利用Python SOCKET多线程开发FTP软件（全6集）http://pan.baidu.com/s/1eQcPovo

1. 学卷积神经网络，首推李飞飞教授的Stanford CS231课程

课程主页：CS231n: Convolutional Neural Networks for Visual Recognition

网易部分翻译课程：斯坦福CS231n-深度学习与计算机视觉 - 网易云课堂

课程讲义：CS231n Convolutional Neural Networks for Visual Recognition

2. 深度学习资料导航（应有尽有）

A Guide to Deep Learning by YerevaNN

3. Deep Learning by Ian Goodfellow and Yoshua Bengio and Aaron Courville.

完备、详尽和深入

以上这几个是我觉得比较有价值的。对于纯粹的卷积网络知识，看第一个的课程或讲义中相关的部分，已经足够了。剩下的就是在github上找些具体的项目，不停地实践。

作者：君泰
链接：https://www.zhihu.com/question/51208339/answer/149942407
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

CNN

WildML – AI, Deep Learning, NLP
http://colah.github.io/
Andrej Karpathy blog
这三黄金博客，看完了就可以，而且博文里提到的链接也要看看，墙裂推荐
-----------------------------------------------------------------------------------
有的网站可能需要翻墙，祝好运

作者：BugCreater
链接：https://www.zhihu.com/question/52271029/answer/129755396
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

CS231n Convolutional Neural Networks for Visual Recognition，知乎站内有中文翻译，再配合keras写几个example

[翻译] 神经网络的直观解释
可以先看看这篇简单直观的解释，然后找些经典的论文，使用一个框架，比如caffe、TensorFlow实际跑一下，经典的模型一般都有现成的。有了实际操作经验，再按自己需求修改就比较简单了

没空的话看下 http://deeplearning.net/tutorial/deeplearning.pdf CNN tutorial部分。或者lasagne的CNN tutorial部分。然后读下 AlexNet 和 Residual Net (residual net还有一篇，实现的话就是排列顺序变变）两篇paper就差不多了。至于优化部分先不用管，大部分包都只需要call一个函数。其实model的实现也遍地都是。。。

有空的话paper就多了，什么batch normalization, adam, Highway network, google net， fractal net 啥的都看看, 可以参考Deep Learning Resources。

然后具体应用再去搜具体应用的paper，看看有什么小trick。就酱。。

作者：孙尚香
链接：https://www.zhihu.com/question/52271029/answer/129802877
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

cs231n上面的课程关于cnn部分的讲解：CS231n Convolutional Neural Networks for Visual Recognition
在知乎专栏上面的中文翻译：知乎专栏

UFLDL教程

转：http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

说明：本教程将向您介绍无监督功能学习和深度学习的主要思想。通过实践，您还将实施几项功能学习/深度学习算法，让自己看到他们的工作，并学习如何应用/调整这些想法到新的问题。

本教程假设机器学习的基本知识（具体来说，熟悉监督学习，逻辑回归，梯度下降的思想）。如果您不熟悉这些想法，我们建议您先去本机学习课程，并首先完成第二部分，第三部分，第四部分（最多的逻辑回归）。

稀疏自动编码器

矢量化实现

预处理：PCA和美白

Softmax回归

自我学习和无监督的特征学习

构建深层网络进行分类

具有自动编码器的线性解码器

使用大图像

注意：这一行上面的部分是稳定的。以下部分仍在建设中，如有更改，恕不另行通知。随意浏览，欢迎反馈/建议。

杂

杂项主题

高级主题：

稀疏编码

ICA风格模型

其他

谷歌TensorFlow神经网络游乐场

http://playground.tensorflow.org/#activation=relu&regularization=L1&batchSize=10&dataset=circle&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=5&networkShape=4,2&seed=0.87446&showTestData=false&discretize=false&percTrainData=20&x=false&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false

:http://deeplearning.net/tutorial/contents.html

http://dataunion.org/11583.html

http://ufldl.stanford.edu/wiki/index.php/UFLDL_Recommended_Readings

到以下网址获取：

二、深度学习历史

LaNet-5学习资源记录

1.卷积神经网络（包含lenet-5 的例子和简化实现，出略介绍）

http://blog.csdn.net/yeyang911/article/details/12103885

2 caffe源码分析--poolinger_layer.cpp

http://blog.csdn.net/lingerlanlan/article/details/38294169

3 caffe源码分析--SyncedMemory类代码研究

http://blog.csdn.net/lingerlanlan/article/details/24379607

4 lenet-5 网络详解（很详细）

http://www.rebaoxian.com/46780.html

5 偶然发现的一个数据挖掘的博客，有一些很有意思的东西，比如局部敏感哈希算法

http://www.cnblogs.com/fengfenggirl

6 神经网络caffe框架源码解析Blob类代码研究（其实这是一个搜索网站搜索的结果）

http://www.itnose.net/st/6030317.html

7 稀疏编码相关

http://www.haogongju.net/art/2603583

8 牛人博客

http://blog.csdn.net/ycheng_sjtu/article/details/38611789

CNN网络配置文件

1）Imagenet_solver.prototxt （包含全局参数的配置的文件）

2）Imagenet.prototxt （包含训练网络的配置的文件）

3）Imagenet_val.prototxt （包含测试网络的配置文件）

这里给出这几天在网上搜的一些资料：

　　首先是LeNet5对应的手写字体识别的demo，可以参考其网页：LeNet-5, convolutional neural networks，以及该demo对应的paper：LeCun, Y., et al. (1998). "Gradient-based learning applied to document recognition."，这篇paper内容比较多，只需看其中的单个文字识别那部分。paper中关于LeNet5各层网络的详细内容可以参考网页：Deep Learning（深度学习）学习笔记整理系列之（七）.

　　下面这个是用python写的一个简单版本的LeNet5，用Theano机器学习库实现的：Convolutional Neural Networks (LeNet)，懂Python的同学可以看下，比较通俗易懂（不懂Python其实也能看懂个大概）。关于stacked CNN的matlab实现可以参考：https://sites.google.com/site/chumerin/projects/mycnn。里面有源码和界面。

　　最后Hition在2012年ImageNet识别时用的算法paper：Imagenet classification with deep convolutional neural networks. 他还给出了对应的code，基于GPU，c++的：https://code.google.com/p/cuda-convnet/。

参考资料

Deep learning：三十六(关于构建深度卷积SAE网络的一点困惑)

Deep learning：十六(deep networks)

Deep learning：十七(Linear Decoders，Convolution和Pooling)

Deep Learning（深度学习）学习笔记整理系列之（七）

Convolutional Neural Networks (LeNet)

https://sites.google.com/site/chumerin/projects/mycnn.

Gradient-based learning applied to document recognition.

　 Imagenet classification with deep convolutional neural networks.

Feature extraction using convolution

Pooling