乾明 发自 凹非寺
量子位 出品 | 公众号 QbitAI
最近,GitHub上出现一份深度学习资源,涵盖深度学习的各个方面,包括论文、数据集、课程、图书、博客、教程、框架等。
资源的贡献者说,与其他同类资源相比,这份资源更有针对性。
如果有人知道自己在找哪方面的深度学习资源,在这份资源里,可以很容易找到最相关的资源。
即使有人不知道要找什么样的资源,来到这里,也会找到最通用的资源。
这是因为他们对深度学习各方面的资源进行了细致的分类。
比如论文版块,不仅仅只是细化到各个笼统的类别,还会依据用途对论文进行分类,比如用于句子分类的卷积神经网络等等。
目前,这份资源在GitHub上已经获得1250多星。
资源里都有什么?
整体来说,这份资源可以理解为是深度学习领域的hao123,一共将深度学习各方面的资源分成了7大类。具体是:
论文
论文资源版块,一共分成3个类别,分别是模型、核心和应用。
在每个类别之下,又进行了两次细化分类。以模型分类为例:
在模型分类中,细化到卷积网络、循环网络、自编码器、生成模型和概率模型。在每个模型下面会根据模型的用途进行分类,来给出相关的论文。
比如卷积网络,提供了关于图像分类、句子分类、视频分类、人脸识别等方面应用论文,并附上论文的链接,部分论文有相应的实现代码,还对论文进行了星级评价。
数据集
数据集版块,也是3个类别,分别是图片数据集、文本与自然语言处理数据集和语音技术数据集。
每个方向,也会再进一步分类,并在给出资源链接的同时,附以相应数据集的特点与用途。以图片数据集为例:
图片数据集一共被分成了4类:通用、面部识别、物体识别、行为识别。
人脸识别类别中,一共有8个数据集,分别是FERET、CMU的PIE、YouTube Faces DB、Grammatical Facial Expressions、FaceScrub、IMDB-WIKI和FDDB。都给出了介绍与数据集下载链接。
课程、图书、博客与教程
相比论文与数据集资源,课程、图书等方面的资源相对就少了很多。但在深度学习领域有价值的资源都被囊括在内。
课程
覆盖了斯坦福、CMU、谷歌、英伟达、Fast.ai等业内知名高校、企业或机构提供的课程。
图书
一共四本,分别是《深度学习》、《神经网络和深度学习》、《Python深度学习》和《Scikit-Learn与TensorFlow机器学习实用指南》,其中第一本和第四本有中文版。涵盖了深度学习的原理介绍,实现方式等。
博客
深度学习领域的喜欢写博客的大牛,基本上都列入在内。
教程
包括深度学习的教程以及将深度学习应用到NLP领域的教程等。
框架资源
框架方面,一共有10个。分别是Tensorflow、Pytorch、CNTK、MatConvNet、Keras、Caffe、Theano、CuDNN、Torch、Deeplearning4j。
每个框架都给出了指向框架官方网站的链接,只有Torch给出的是GitHub链接。
谁贡献的这份资源
这份资源的贡献者是一个致力于开源的组织Open Source for Science,其中的成员有两位小哥和一位小姐姐。
他们都与弗吉尼亚理工大学有关。两位小哥是Amirsina Torfi和Ali T Z Kasgari,弗吉尼亚理工大学的博士生;小姐姐名叫Negin Forouzesh,弗吉尼亚理工大学的博士生候选人。
传送门
https://github.com/osforscience/deep-learning-ocean#what-s-the-point-of-this-open-source-project
— 完 —
加入社群
量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;
此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。
进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/53a1c2079ea51b698ab3b03818040ed0.jpeg)
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「好看」吧 !