算法学习、工程应用的资源集合 尤其是AI guide或者tutorials
-
深度学习框架
- Pytorch (Facebook人工智能研究院,命令式编程)
- Mxnet (Amazon,命令式编程+图计算)
- Keras (tensorflow高阶api,命令式编程)
以上框架学习成本较低,有完善且成体系的教程,pytorch广泛用于学术和工业;mxnet和pytorch性能和功能几乎对等,只是比较低调;keras更适用于学生群体。
不建议使用tensorflow 1.0,如果一定要学习tensorflow,建议使用2.0版本以上。 -
编程工具
-
如果你想让自己基于python开发的神经网络模型投入实际生产中,那么你需要提前掌握至少以下模块或者知识点
- 多线程、多进程
- 类
- 正则表达式
- logging
- 装饰器
- cv2, numpy, os, json, pandas, skearn
- flask框架
- python 编程规范和工程搭建指南
- 数据科学python工程模板
- Distributed (Deep) Machine Learning Community —— mxnet发展蓝图
- 《动手深度学习》 —— 入门mxnet的最好资料
- mxnet gluon —— 问题交流论坛
- mxnet gluon python api —— mxnet api结构,用于模型调试和问题分析
- mxnet gluon model zoo Tutorials —— 有哪些可以直接使用的预训练模型
- mxnet gluonNLP model zoo and tutorials —— NLP可调用预训练模型(包括BERT)以及如何自己从0开始构造nlp模型
- 中文系统教程 —— 最好最方便入门中文资料
- 英文系统教程 —— 最好最方便入门的英文资料
- 中文系统教程 —— 最好最方便入门中文资料
- 如果你想初步了解深度学习以及python实践,以下是你不错的选择
- [Deep Learning with Python](AI tutorial/Deep Learning with Python.pdf)
- 如果你想进阶深度学习,包括优化策略、loss分析、train/test策略、权重分析、ends-ends等,以下是你不错的选择
- [Machine Learning Yearning](AI tutorial/Machine Learning Yearning-1-52.pdf)
- 如果你想对NLP有一个快速而有系统的认识,以下是你不错的选择
- [Notes on Deep Learning for NLP](AI tutorial/Notes on Deep Learning for NLP.pdf)
- 如果你想对深度学习有系统而又全面的认识,以下是你不错的选择
- [深度学习](AI tutorial/dlbook_cn_v0.5-beta.pdf)
- 如果你想对CRF理论建立深刻的认识,以下是你不错的选择
- [CRF](AI tutorial/crf-tutorial.pdf)
- 如果你想初略看下深度学习应用,例如风格迁移、生成古诗词等,以下是你不错的选择
- [深度有趣](AI tutorial/深度有趣.pdf)
- 如果你想通过看中文视频学习整个的AI相关理论,例如CNN\RNN\GAN\NLP\RL\AM等,以下是你不错的选择
- 如果你想身临其境看看神经网络模型内部结果,以下3D可视化网站是你不错的选择
-
如果是学术科研, maybe depend on python only, (如果有学术大神还请指正)
-
如果是工业生产, maybe 30% depend on python only, what 70% is?
- 如果你想用Python重复CV各种算法,以下是你不错的选择
- 矩阵、向量运算
- java 学习资料