Mikoto10032 / DeepLearning

DeepLearning Tutorial 一. 入门资料 **完备的 AI 学习路线，最详细的中英文资源整理** :star: AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NL Machine-Learning 数学基础 • 矩阵微积分 • 机器学习的数学基础 • CS229线性代数与概率论基础 机器学习基础 快速入门 • 机器学习算法地图 • 机器学习 吴恩达 Coursera个人笔记  && 视频（含官方笔记）   • CS229 课程讲义中文翻译 && 机器学习 吴恩达 cs229个人笔记 && 官网（笔记）  && 视频（中文字幕）   • 百页机器学习 深入理解 • 《统计学习方法》李航 && 《统计学习方法》各章节笔记 && 《统计学习方法》各章节笔记 && 推荐答案：statistical-learning-method-solutions-manual 《统计学习方法》各章节笔记 && 《统计学习方法》各章节代码实现与课后习题参考解答 • 《模式识别与机器学习》 Christopher Bishop • 《机器学习》 周志华 && 南瓜书：pumpkin-book • 《机器学习实战》 PelerHarrington • 机器学习与深度学习书单 深度学习基础 快速入门 • 深度学习思维导图 && 深度学习算法地图 • 《斯坦福大学深度学习基础教程》 Andrew Ng（吴恩达） • 深度学习 吴恩达 个人笔记  && 视频 • MIT深度学习基础-2019视频课程 • 台湾大学（NTU）李宏毅教授课程 && [leeml-notes • 图解深度学习_Grokking-Deep-Learning • 《神经网络与深度学习》 Michael Nielsen     • CS321-Hinton • CS230: Deep Learning • CS294-112 计算机视觉 • CS231 李飞飞 已授权个人翻译笔记 && 视频 • 计算机视觉研究方向 自然语言处理 • CS224n: Natural Language Processing with Deep Learning • NLP上手教程 • NLP入门推荐书目（2019版） 深度强化学习 • CS234: Reinforcement Learning 深入理解 • 《深度学习》 Yoshua Bengio.Ian GoodFellow:star:   • 《自然语言处理》Jacob Eisenstein • 《强化学习》 && 第二版 • hangdong的深度学习博客,论文推荐 • Practical Deep Learning for Coders, v3 • 《Tensorflow实战Google深度学习框架》 郑泽宇 顾思宇 一些书单 • 2019年最新-深度学习、生成对抗、Pytorch优秀教材推荐 工程能力 • 如何系统地学习算法？ && LeetCode && leetcode题解 && 《算法导论》中算法的C++实现 • 机器学习算法实战 • 深度学习框架 • 如何成为一名算法工程师 && 从小白到入门算法，我的经验分享给你～ && 我的研究生这三年 :star: • 编程面试的题目分类 • 《AI算法工程师手册》 • 如何准备算法工程师面试，斩获一线互联网公司机器学习岗offer？ • 【完结】深度学习CV算法工程师从入门到初级面试有多远，大概是25篇文章的距离 • 计算机相关技术面试必备 && CS-WiKi && 计算机基础面试问题全面总结 && TeachYourselfCS-CN && 面试算法笔记-中文 • 算法工程师面试 • 深度学习面试题目 • 深度学习500问 • AI算法岗求职攻略 • [Kaggle实战]() • 常用算法： • Feature Engineering：continue variable && categorical variable • Classic machine learning algorithm：LR, KNN, SVM, Random Forest, GBDT(XGBoost&&LightGBM), Factorization Machine, Field-aware Factorization Machine, Neural Network • Cross validation, model selection：grid search, random search, hyper-opt • Ensemble learning • kaggle竞赛宝典第一章-竞赛框架篇！:star: • Kaggle 项目实战（教程） = 文档 + 代码 + 视频 • Kaggle入门系列：（一）机器学习环境搭建 && Kaggle入门系列：（二）Kaggle简介 && Kaggle入门系列（三）Titanic初试身手 • 从 0 到 1 走进 Kaggle • Kaggle 入门指南 • 一个框架解决几乎所有机器学习问题 && Approaching (Almost) Any Machine Learning Problem | Abhishek Thakur • 分分钟带你杀入Kaggle Top 1% • 如何达到Kaggle竞赛top 2%？这里有一篇特征探索经验帖 • 如何在 Kaggle 首战中进入前 10%？ • Kaggle 首战 Top 2%, APTOS 2019 复盘总结 + 机器学习竞赛通用流程归纳 • kaggle的riiid比赛里关于数据处理时间空间优化的笔记 • 大数据&机器学习相关竞赛推荐 二. 神经网络模型概览 • 1. 一文看懂25个神经网络模型 • 2. DNN概述论文：详解前馈、卷积和循环神经网络技术 • 3. colah's blog • 4. Model Zoom • 5. DNN概述 • GitHub上的机器学习/深度学习综述项目合集 • AlphaTree-graphic-deep-neural-network CNN 发展史 • 94页论文综述卷积神经网络：从基础技术到研究前景 图像分类 • 从LeNet-5到DenseNet • 深度学习笔记（十一）网络 Inception, Xception, MobileNet, ShuffeNet, ResNeXt, SqueezeNet, EfficientNet, MixConv • CNN网络结构的发展 • Awesome - Image Classification：论文&&代码大全 • pytorch-image-models 目标检测 • 深度学习之目标检测的前世今生（Mask R-CNN） • 深度学习目标检测模型全面综述：Faster R-CNN、R-FCN和SSD • 从RCNN到SSD，这应该是最全的一份目标检测算法盘点 • 目标检测算法综述三部曲 • 基于深度学习的目标检测算法综述（一） • 基于深度学习的目标检测算法综述（二） • 基于深度学习的目标检测算法综述（三） • [From RCNN to YOLOv3]()：上，下 • 后 R-CNN时代， Faster R-CNN、SSD、YOLO 各类变体统治下的目标检测综述：Faster R-CNN系列胜了吗？ • 目标检测进化史 • CVPR2019目标检测方法进展综述 • 一文看尽21篇目标检测最新论文（腾讯/Google/商汤/旷视/清华/浙大/CMU/华科/中科院等 • 我这两年的目标检测 • [Anchor-Free目标检测算法](): 第一篇：arxiv2015_baidu_DenseBox， 如何评价最新的anchor-free目标检测模型FoveaBox？, FCOS: 最新的one-stage逐像素目标检测算法 && 最新的Anchor-Free目标检测模型FCOS，现已开源！ && 中科院牛津华为诺亚提出CenterNet，one-stage detector可达47AP，已开源！ && AnchorFreeDetection • Anchor free深度学习的目标检测方法 • 聊聊Anchor的"前世今生"（上）&&聊聊Anchor的"前世今生"（下） • 目标检测算法综述之FPN优化篇 && 一文看尽物体检测中的各种FPN • awesome-object-detection：论文&&代码 • deep_learning_object_detection • ObjectDetectionImbalance 图像分割（语义分割、实例分割、全景分割） • 图像语义分割(Semantic segmentation) Survey • 干货 | 一文概览主要语义分割网络 • 语义分割 发展综述 • 9102年了，语义分割的入坑指南和最新进展都是什么样的 • 实例分割最新最全面综述：从Mask R-CNN到BlendMask • 语义分割综述：深度学习背景下的语义分割的发展状况【推荐】 • Awesome Semantic Segmentation：论文&&代码 • 一篇看完就懂的最新语义分割综述 • 基于深度学习的语义分割综述 轻量化卷积神经网络 • 纵览轻量化卷积神经网络：SqueezeNet、MobileNet、ShuffleNet、Xception 人脸相关 • 如何走近深度学习人脸识别？你需要这篇超长综述 | 附开源代码 • [人脸检测和识别算法综述]()       • 人脸检测算法综述           • 人脸检测背景介绍和发展现状 • 人脸识别算法演化史 • CascadeCNN   • MTCNN • awesome-Face_Recognition • 异质人脸识别研究综述 • 老板来了：人脸识别+手机推送，老板来了你立刻知道。&& 手把手教你用Python实现人脸识别 && 人脸识别项目，网络模型，损失函数，数据集相关总结 • 基于深度学习的人脸识别技术综述 && 如何走近深度学习人脸识别？你需要这篇超长综述 && 人脸识别损失函数综述（附开源实现） && Face Recognition Loss on Mnist with Pytorch && 人脸识别的LOSS（上） && 人脸识别的LOSS（下） • [人脸关键点检测]() • 【每周CV论文推荐】 初学深度学习人脸关键点检测必读文章 • 从传统方法到深度学习，人脸关键点检测方法综述 • 人脸关键点检测综述 • 人脸专集4 | 遮挡、光照等因素的人脸关键点检测 • 【Face key point detection】人脸关键点检测实现 • OpenCV实战：人脸关键点检测（FaceMark） • CenterFace+TensorRT部署人脸和关键点检测400fps 图像超分辨率 • 深度学习图像超分辨率综述 • 从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程 行人重识别 • 【CVPR2019正式公布】行人重识别论文 • 【CVPR2019正式公布】行人重识别论文，2019 行人再识别年度进展回顾 图像着色 • Awesome-Image-Colorization 边检测 • Awesome-Edge-Detection-Papers OCR&&文本检测 • 2019CVPR文本检测综述 • OCR文字处理 • 自然场景文本检测识别技术综述 点云 • awesome-point-cloud-analysis 细粒度图像分类 • 超全深度学习细粒度图像分析：项目、综述、教程一网打尽 图像检索 • 图像检索的十年上、下 人群计数 • 人群计数, 1, 2, 3 教程 前馈神经网络 • 从基本原理到梯度下降，小白都能看懂的神经网络教程 激活函数 • 激活函数一览 && 深度学习中几种常见的激活函数理解与总结 • 一个激活函数需要具有哪些必要的属性 反向传播算法 • 反向传播算法（过程及公式推导） • 通俗理解神经网络BP传播算法 优化问题 • 神经网络训练中的梯度消失与梯度爆炸 • 梯度消失和梯度爆炸问题详解 • 详解深度学习中的梯度消失、爆炸原因及其解决方法 && 神经网络梯度消失和梯度爆炸及解决办法 卷积层 • A Comprehensive Introduction to Different Types of Convolutions in Deep Learning && 翻译：上、下 • 卷积有多少种？一文读懂深度学习中的各种卷积 • 各种卷积 • Convolution Network及其变种（反卷积、扩展卷积、因果卷积、图卷积） • 深度学习基础--卷积类型 • 变形卷积核、可分离卷积 • 对深度可分离卷积、分组卷积、扩张卷积、转置卷积（反卷积）的理解 • 反卷积 • Dilated/Atrous conv 空洞卷积/多孔卷积 • 卷积层输出大小尺寸计算及 “SAME” 和 “VALID” && 卷积的三种模式full, same, valid以及padding的same, valid • 正常卷积与空洞卷积输出特征图与感受野大小的计算 • 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积? • 【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积？ • 【Tensorflow】tf.nn.separable_conv2d如何实现深度可分卷积? • 【TensorFlow】tf.nn.conv2d_transpose是怎样实现反卷积的？ 池化层 • 卷积神经网络中的各种池化操作 卷积神经网络 • 卷积神经网络工作原理 • 「七夕的礼物」: 一日搞懂卷积神经网络 • 一文读懂卷积神经网络中的1x1卷积核 • 如何理解神经网络中通过add和concate的方式融合特征？ && 神经网络中对需要concat的特征进行线性变换然后相加是否好于直接concat? • CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？ && 深度学习中卷积的参数量和计算量 图像分类网络详解 • 经典CN…