Machine Learning 资料
Awesome系列
- Awesome Machine Learning
- Awesome Deep Learning
- Awesome TensorFlow
- Awesome TensorFlow Implementations
- Awesome Torch
- Awesome Computer Vision
- Awesome Deep Vision
- Awesome RNN
- Awesome NLP
- Awesome AI
- Awesome Deep Learning Papers
- Awesome 2vec
Deep Learning
- [Book] Neural Networks and Deep Learning中文翻译(不完整): 神经网络与深度学习第五章中文翻译: [译] 第五章 深度神经网络为何很难训练
- [Book] Deep Learning - MIT Press
- [Course] Deep Learning - Udacity
- [Course] Machine Learning by Andrew Ng - Coursera | 课程资料整理 @ zhwhong
- [Course] Convolutional Neural Networks for Visual Recognition(CS231n) | 课程资料整理 @ zhwhong
- [Course] Deep Learning for Natural Language Processing(CS224d) | 课程资料整理 @ zhwhong
- [View] Top Deep Learning Projects on Github
- [View] Deep Learning for NLP resources
- [View] 资源 | 深度学习资料大全:从基础到各种网络模型
- [View] 深度学习新星:GAN的基本原理、应用和走向
- [Book] 推荐 | 九本不容错过的深度学习和神经网络书籍
Frameworks
- TensorFlow (by google)
- MXNet
- Torch (by Facebook)
- [Caffe (by UC Berkley)(Caffe | Deep Learning Framework)
- [Deeplearning4j(Open-source, Distributed Deep Learning for the JVM)
- Brainstorm
- Theano、Chainer、Marvin、Neon、ConvNetJS
TensorFlow
- 官方文档
- TensorFlow Tutorial
- TensorFlow 官方文档中文版
- TensorFlow Whitepaper
- [译] TensorFlow白皮书
- [API] API Document
入门教程
- [教程] Learning TensorFlow
- TensorFlow-Tutorials @ github (推荐)
- Awesome-TensorFlow (推荐)
- TensorFlow-Examples @ github
- tensorflow_tutorials @ github
分布式教程
- Distributed TensorFlow官方文档
- distributed-tensorflow-example @ github (推荐)
- DistributedTensorFlowSample @ github
- Parameter Server
Paper (Model)
CNN Nets
- LeNet
- AlexNet
- OverFeat
- NIN
- GoogLeNet
- Inception-V1
- Inception-V2
- Inception-V3
- Inception-V4
- Inception-ResNet-v2
- ResNet 50
- ResNet 101
- ResNet 152
- VGG 16
- VGG 19

注:图片来自 Github : TensorFlow-Slim image classification library)
额外参考:
[ILSVRC] 基于OverFeat的图像分类、定位、检测
[卷积神经网络-进化史] 从LeNet到AlexNet
[透析] 卷积神经网络CNN究竟是怎样一步一步工作的?
GoogLenet中,1X1卷积核到底有什么作用呢?
深度学习 — 反向传播(BP)理论推导
Object Detection
额外参考:
[Detection] CNN 之 "物体检测" 篇
计算机视觉中 RNN 应用于目标检测
Machine Learning 硬件投入调研
RNN & LSTM
- [福利] 深入理解 RNNs & LSTM 网络学习资料 @ zhwhong
- [RNN] Simple LSTM代码实现 & BPTT理论推导 @ zhwhong
- 计算机视觉中 RNN 应用于目标检测 @ zhwhong
- Understanding LSTM Networks @ colah | 中文翻译[简书] @ Not_GOD
- The Unreasonable Effectiveness of Recurrent Neural Networks @ Andrej Karpathy
- LSTM Networks for Sentiment Analysis (theano官网LSTM教程+代码)
- Recurrent Neural Networks Tutorial @ WILDML
- Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN) @ iamtrask
Stanford 机器学习课程整理
Machine Learning 资料的更多相关文章
- 【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 机器学习(Machine Learning)&深入学习(Deep Learning)资料
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林. ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2)
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2)---#####注:机器学习资料[篇目一](https://github.co ...
- 【重磅干货整理】机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
[重磅干货整理]机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总 .
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总 (上)
转载:http://dataunion.org/8463.html?utm_source=tuicool&utm_medium=referral <Brief History of Ma ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(下)
转载:http://www.jianshu.com/p/b73b6953e849 该资源的github地址:Qix <Statistical foundations of machine lea ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
随机推荐
- JavaScript实现功能全集
JavaScript就这么回事1:基础知识 1 创建脚本块 <script language="JavaScript">JavaScript code goes her ...
- input/radio/select等标签的值获取和赋值
input/radio/select等标签的值获取和赋值,这几个是使用率最高的几个标签,获取值和赋值以及初始化自动填充数据和选择: 页面html: <div class=" " ...
- .NET,ASP.NET,ASP.NET MVC 之间的区别
https://www.cnblogs.com/wwym/p/5555772.html
- Core Java 1
p264~p267: 1.程序中可能出现错误:用户输入错误.设备错误.物理限制错误.代码错误 2.如果由于出现错误而使得某些操作没有完成,程序应该:返回一种安全状态,并能够让用户执行一些其他命令: 或 ...
- SNMP学习笔记之Linux服务器SNMP常用OID
收集整理一些Linux下snmp常用的OID,用做服务器监控很不错. 应用示例 查看服务器1分钟平均负载: snmpwalk -v1 -c public 127.0.0.1 .1.3.6.1.4.1. ...
- Python面试题之装饰器漫谈
讲 Python 装饰器前,我想先举个例子,虽有点污,但跟装饰器这个话题很贴切. 每个人都有的内裤主要功能是用来遮羞,但是到了冬天它没法为我们防风御寒,咋办?我们想到的一个办法就是把内裤改造一下,让它 ...
- 基于qml创建最简单的图像处理程序(3)-使用opencv&qml进行图像处理
<基于qml创建最简单的图像处理程序>系列课程及配套代码基于qml创建最简单的图像处理程序(1)-基于qml创建界面http://www.cnblogs.com/jsxyhelu/p/83 ...
- tensorflow之神经网络实现流程总结
tensorflow之神经网络实现流程总结 1.数据预处理preprocess 2.前向传播的神经网络搭建(包括activation_function和层数) 3.指数下降的learning_rate ...
- 使用Oracle执行计划分析SQL性能
执行计划:一条查询语句在ORACLE中的执行过程或访问路径的描述.即就是对一个查询任务,做出一份怎样去完成任务的详细方案. 如果要分析某条SQL的性能问题,通常我们要先看SQL的执行计划,看看SQL的 ...
- python函数总结
1.函数是一种子程序.程序员使用函数来减少代码重复,并用于组织或模块化程序.一旦定义了函数,它可以从程序中的许多不同位置被多次调用.参数允许函数具有可更改的部分.函数定义中出现的参数称之为形参,函数调 ...