CNN章節(jié)的第一篇文章給大家分享一些神經(jīng)網(wǎng)絡(luò)的資料蜜笤，作為深度學(xué)習(xí)的基礎(chǔ)把兔，神經(jīng)網(wǎng)絡(luò)的理論知識是必須學(xué)習(xí)的內(nèi)容围橡，神經(jīng)網(wǎng)絡(luò)分很多種翁授，這里主要介紹目前在圖像和語音識別領(lǐng)域大放異彩的卷積神經(jīng)網(wǎng)絡(luò)收擦。我按照個人學(xué)習(xí)的先后次序列出了相關(guān)的博客和課程網(wǎng)站炬守。下面話不多說，上貨！
針對卷積網(wǎng)絡(luò)送淆，一個很好的例子是偷崩，數(shù)字手寫識別模型，其識別數(shù)字的準確率達到了99.18%阐斜，已經(jīng)普遍應(yīng)用在銀行的相關(guān)智能系統(tǒng)中， 下面這個網(wǎng)站是數(shù)字手寫識別作者的博客隅俘，詳細介紹了數(shù)字手寫識別的實現(xiàn)細節(jié)和卷積神網(wǎng)絡(luò)理論知識笤喳，并附有關(guān)鍵代碼为居，里面的兩篇論文十分重要杀狡。
https://link.zhihu.com/?target=http%3A//www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-Digits
下面這個鏈接對于直觀理解神經(jīng)網(wǎng)絡(luò)里面的過程很有幫助，當(dāng)然如果你已經(jīng)對于神經(jīng)網(wǎng)絡(luò)理論知識了解不少或者對于數(shù)字手寫模型的介紹理解透徹忍抽，可以不看董朝，內(nèi)容較系統(tǒng)和基礎(chǔ)。
https://link.zhihu.com/?target=http%3A//techeffigytutorials.blogspot.co.uk/2015/01/neural-network-illustrated-step-by-step.html
同時推薦去看看Andrew Ng的課程子姜，在網(wǎng)易公開課等媒體上搜索機器學(xué)習(xí)課程楼入，可以搜索到牧抽，主要介紹機器學(xué)習(xí)的重要的算法。不過另外一個好的選擇是今年Li FeiFei&Andrej Karpathy的課程扬舒。Andrej Karpathy的博客非常值得關(guān)注，他對反向求導(dǎo)的解釋十分有意思晨炕，可以看看。下面是課程鏈接：
http://vision.stanford.edu/teaching/cs231n/
接下來你可以看Caffe源代碼弥激，關(guān)于Caffe，它是一個深度學(xué)習(xí)框架，在實際工程應(yīng)用上使用的較多舒裤，是主流框架之一伴鳖，后面會介紹如何搭建Caffe框架榜聂，以及如何訓(xùn)練數(shù)據(jù)，實現(xiàn)深度學(xué)習(xí)幢炸，下面給出它的官網(wǎng)鏈接：
http://caffe.berkeleyvision.org/
主要看Caffe介紹逻澳，下載源碼便可缰揪，后面會詳細展開Caffe的安裝和使用以及算法和代碼實現(xiàn)抛姑。
有兩個重點毫目，一個就是“im2col在做什么”， 一個是protocol buffer里面的prototext怎么用空猜。關(guān)于重點“im2col在做什么”搜贤，可以參考下面這個鏈接腿椎，里面有Caffe的開發(fā)者（中國國籍賈揚清）的回答卓舵，很直觀裹虫。下面給出知乎問答的鏈接：
https://www.zhihu.com/question/28385679
基本上Caffe屬于入門了就能很快精通的庫尊浪。
掌握好Caffe的指標捣作，我認為可以是訓(xùn)練百萬級的數(shù)據(jù)也拜，能夠?qū)崿F(xiàn)較好的擬合效果，并將模型用于實現(xiàn)一個工程項目。在這個過程中，需要理解機器學(xué)習(xí)的相關(guān)算法方妖，才能夠更好的調(diào)節(jié)參數(shù)，擬合數(shù)據(jù)魁莉，做到如此畦浓，便可以認為已經(jīng)入門深度學(xué)習(xí)了。所以剿牺，建議大家在實踐中學(xué)習(xí)湃崩。
