Python爬虫学习系列教程 @崔庆才系列教程,入门、实战、爬虫利器介绍、进阶
Python模拟登录新浪微薄(使用RSA加密方式和Cookies文件)
http://uliweb.clkg.org/tutorial/view_chapter/240
FAQ
Q: 遇到了问题, 到哪里求助?
A: 上 http://groups.google.com/group/python-cn (需要翻墙) 或者 http://stackoverflow.com 提问就可以了.
Q: 如何查找python的某个功能?
A: 看官方文档. http://docs.python.org/library/index.html
Q: 如何用python完成一个任务(比如写网站)?
A: google: python 写网站, 或者 google: python web development.
视频推荐
麻省理工公开课《计算机科学及编程导论》,该课程针对零基础者 网易公开课 。http://v.163.com/special/opencourse/bianchengdaolun.html
课程介绍 这门课程适用于那些拥有 很少或没有编程经验 的学生,它致力于使学生理解计算机在解决问题中的作用,并且帮助学生, 不论其专业,使他们对于能够完成有用的小程序的目标充满信心。
用python做科学计算 numpy的学习
http://www.tudou.com/plcover/fLDkg5e1pYM/?spm=a2h1s.8267934.LplayWrap.5~5~5!9~A
嘿嘿嘿
http://www.imooc.com/course/list?c=python
https://www.zhihu.com/question/19660572
http://www.maiziedu.com/course/python/
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
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®ularization=L1&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=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
-
TensorFlow入门教程之0: BigPicture&极速入门
-
TensorFlow入门教程之1: 基本概念以及理解
-
TensorFlow入门教程之2: 安装和使用
- TensorFlow入门教程之3: CNN卷积神经网络的基本定义理解
-
TensorFlow入门教程之4: 实现一个自创的CNN卷积神经网络
-
TensorFlow入门教程之5: TensorBoard面板可视化管理
-
TensorFlow入门教程之6: AlphaGo 的策略网络(CNN)简单的实现
-
TensorFlow入门教程之7: 训练的模型Model 保存 文件 并使用
-
TensorFlow入门教程之8: DNN深度神经网络 的原理 以及 使用
-
TensorFlow入门教程之9: 接着补充一章MLP多层感知器网络原理以及 使用
-
TensorFlow入门教程之10: RNN循环网络原理以及使用
-
TensorFlow入门教程之11: 使用TensorFlow实现RNN
-
TensorFlow入门教程之12: 最强网络RSNN深度残差网络 平均准确率96-99%
-
TensorFlow入门教程之13: 最强网络DLSTM 双向长短期记忆网络(阿里小AI实现)
-
TensorFlow入门教程之14: Tensorflow Caffe相互转换
-
TensorFlow入门教程之15: Tensorflow RCNN区域卷积神经网络
-
Tensorflow入门教程之16: 模型AutoEncoder自编码机网络
-
Tensorflow入门教程之17: Tensorflow人工智能分布式实现
到以下网址获取:
- http://deeplearning.net/reading-list/
- http://ufldl.stanford.edu/wiki/index.php/UFLDL_Recommended_Readings
- http://www.cs.toronto.edu/∼hinton/
- http://deeplearning.net/tutorial/
- http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
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