yuzhuqingyun的专栏

《OpenGL超级宝典》是OpenGL及3D图形编程最好的入门指南，涵盖了使用最新版本的OpenGL进行编程所需要的主要知识。全书分3个部分，共22章，另有3个附录。第一部分包括第1章到第14章，介绍如何构建一个使用OpenGL的程序，如何设置3D渲染环境，以及如何创建基本对象和光线并对他们进行着色。然后，深入研究使用OpenGL和它的一些高级特性及不同的特殊效果。第二部分包括第15章到第18章，分别介绍了OpenGL中支持可编程硬件[特别是在OpenGL着色语言（GLSL）中]的新特性。第三部分是第19章到第22章，着重介绍OpenGL是如何支持和连接Windows、Mac OS X、Linux和掌上设备。附录部分给出了更多阅读建议、术语表和API参考介绍。

keras中文文档，清晰。Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras： 简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性） 支持CNN和RNN，或二者的结合 无缝CPU和GPU切换 Keras适用的Python版本是：Python 2.7-3.6 Keras的设计原则是 用户友好：Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践：Keras提供一致而简洁的API， 能够极大减少一般应用下用户的工作量，同时，Keras提供清晰和具有实践意义的bug反馈。 模块性：模型可理解为一个层的序列或数据的运算图，完全可配置的模块可以用最少的代价自由组合在一起。具体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可以使用它们来构建自己的模型。 易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。 与Python协作：Keras没有单独的模型配置文件类型（作为对比，caffe有），模型由python代码描述，使其更紧凑和更易debug，并提供了扩展的便利性