作者:Shashank Gupta
翻译:倪骁然
校对:卢苗苗
本文约2300字,建议阅读10分钟。
本文提供资源帮助你在放置一个conv2d层或者在Theano里调用T.grad的时候,了解到在代码背后发生了什么。
网络中有着丰富的教程,供我们开始接触深度学习。你可以选择从著名的斯坦福CS221或者CS224课程开始:
CS221:
http://cs231n.stanford.edu/
CS224:
http://cs224d.stanford.edu/
如果你从未接触过这方面的内容,你可以选择快速AI课程或者深度学习AI课程:
快速AI课程:
http://www.fast.ai/
深度学习AI课程:
https://www.deeplearning.ai/
除了深度学习AI课程,其它所有课程都是免费的,你可以在家中舒适地学习。你需要的仅仅是一台好的电脑(最好带有一块Nividia的GPU), 以及你已经准备好向深度学习迈出你的第一步。
然而,本文不是为一个纯新手准备的。当你了解了一些深度学习算法的原理,你可能想要知道这些算法是怎么运作的。尽管深度学习的绝大部分工作(大概是90%的工作,除去10%的的数据)是添加像Conv2d这样的层,调节不同优化策略(如ADAM)的超参数,或者通过在Python中添加一行代码(得益于可用的优秀框架)使用batch norm以及其它一些技巧,很多人可能都很想知道在这之后到底发生了什么。
本文资源已整理打包
公众号后台回复“180801”即可获取资源
本文列举的这些资源,在你放置一个conv2d层或者在Theano里调用T.grad的时候,可以帮助你了解到在代码背后发生了什么。
总论
毋庸置疑,《深度学习》(Deep Learning Book)这本书是最著名、最为人知的资源:
Deearning Book:
http://www.deeplearningbook.org/
其它比较好的资源还有Charniak教授的课程和论文,可以作为深度学习的技术介绍:
Charniak教授课程:
https://cs.brown.edu/courses/csci1460/assets/files/deep-learning.pdf
论文:
https://arxiv.org/abs/1709.01412
当你想要从一个具体的角度理解深度学习的话可以参考其它一些资源比较好的资源。比如,下面这个教程是从应用数学的角度来攥写的,或者如果你仅仅是想要开始写代码而不是深入研究理论的话,可以阅读下面的文章:
应用数学角度的教程:
https://arxiv.org/abs/1801.05894
文章链接: