想學習深度學習，有哪些中文資源，教程推薦？

01-04

題主英語不大好

首先，我這個答案絕對是這裡所有答案里學起來最快的！！！因為入門深度學習幾乎不需要其他機器學習分支的知識基礎。

本答案粗略的介紹了一下深度學習的基礎知識。提供得中文資源是Keras中文文檔和CS231的課件的中文翻譯。

1.入門基礎

如果只是想入門深度學習，你只需要懂卷積，線性回歸，非線性函數logistics, ReLU, Softmax, 價值函數，還有反向傳播演算法（一一百度，知乎上搜索或者維基百科即可）。深度學習的本質就是對輸入進行線性操作（例如卷積）之後再進行一個非線性的操作（例如ReLU）。然後再加一個pooling就組成一個模塊。然後堆模塊並在結尾加上Softmax和價值函數就行了。某種角度來說，深度學習入門是機器學習里最簡單的。因為基本上有高數的數學水平就能輕鬆懂。搞定這些你就懂了基本的DNN(deep neural networks)。

然後CNN和RNN，你可以分別看（順帶一提，知乎是一個很好的了解深度學習的中文平台。）

CNN: 卷積神經網路工作原理直觀的解釋？

RNN: [譯] 理解 LSTM 網路

三者之間的區別：CNN(卷積神經網路)、RNN(循環神經網路)、DNN(深度神經網路)的內部網路結構有什麼區別？

增強學習這塊我不是很熟。就不貼了。

更詳細的你可以去看CS231的課件的中文翻譯：

賀完結！CS231n官方筆記授權翻譯總集篇發布

2.實踐和Keras

到這裡原理這塊你應該知道七七八八了。之所以說簡單是因為你現在知道這些之後（差不多幾個小時就夠了）可以輕鬆搭出一個模型吊打五年前的任何模型（只要你硬體跟得上）。所以你現在可以開始實踐部分了。

首先你需要會python(不會去學，難道python的中文資料還少么233)。如果可以的話，買個gpu。

然後學習Keras, Keras應該是對新手入門最友好的平台了（但相對的功能一般般），並且他有中文文檔。另外強烈安利pytorch。

Keras：Keras中文文檔

此外，模型還有許多小技巧例如dropout， batch normalization。這個技巧在Keras文檔裡面都有。具體它們是怎麼操作並且如何直觀的理解，我覺得在知乎和百度上搜索一下就好了。

例如

Dropout:Dropout解決過擬合問題

Batch normalization:深度學習中 Batch Normalization為什麼效果好？

然後你就可以做些小實驗了。例如在MNIST上識別人手寫的數字。

3. 關於英語

到這一步基本上是你不看英文的極限了。你只是入門了基礎。想進一步就必須學英語，因為

1.各種基礎知識例如各種optimizer, CUDA, KL-divergence, Regularization, RHKS, Variational Bayesian, etc. 英語材料比中文好找且豐富的多，並且機器學習不只有深度學習這一個分支。

2.最新的科研進展肯定是用英文發表的。沒人會給你翻譯的（現在會去翻譯論文的多半是外行小編，不過未來肯定有人工智慧來翻譯23333）。如我之前所說，這個領域你現在能學的基礎就能吊打五年前的方法了。所以中文資料更新速度根本跟不上。

此外，看懂這些英語你只需要學閱讀。基本是認識語法和單詞就行了。你不會還可以查字典。相信我，學英語吧。

PS:每次都要打深度學習而不能打DL好累呀。。。什麼？你問我為啥打RNN不打循環神經網路？

順帶舉個英文渣翻譯的例子

狗屁不通一看就是機翻，於是我試著把英文原文放入google translate里。

如你所見一模一樣。我就不說是哪家公眾號了。順帶一提該公眾號在一眾公眾號中提供的內容並不差（雖然很多標題黨和機翻）。

讀書只讀經典。深度學習中文版推薦：《Deep Learning》-Yoshua Bengio

pdf下載地址：資源下載集合

教材，教程，中文的，直對問題回答一波：

注意：我認為教程不在多，在於精，網上很多教程，但下面我整理一份我認為比較靠譜的中文機器學習和深度學習基礎教程。在學習基礎的同時，應該要學好英語！

python零基礎開始，推薦廖雪峰python教程，2，3自選

機器學習：

《機器學習實戰》入門必備，不難，容易上手，而且可以增加興趣，缺點：理論不夠深入
《機器學習》西瓜書，《統計學習方法》理論上的經典，理論詳細又深入，真的值得一看。缺點：有點枯燥，建議結合機器學習實戰。

深度學習框架和庫（擼起代碼來）：

先來代碼，我始終覺得，若理論很枯燥，那先用代碼來提提興趣。

TensorFlow 官方文檔中文版，官方的，靠譜！tensorflow神器，絕對要有啊！
機器學習系列 | 莫煩Python，再次推薦莫凡教程，這裡有很多教程，推薦其中的numpy，pytorch教程。優點：簡單，易懂，推薦pytorch好好學，比tensorflow靈活，個人感覺。缺點：有些過於簡單。

深度學習：

吳恩達的deeplearning.ai，這個在網易雲課堂有中文字幕版的--鏈接。這個入門深度學習可以有。吳老師的課，通俗，易懂，最重要的：可靠
經典的cs231n，官網鏈接，cs231n是有筆記的-鏈接，當然，知乎上的一些大神對這個筆記進行了翻譯---鏈接。如果看英文很吃力，參考這個翻譯，中文版的。
深度學習》這本書是深度學習的很好的理論書籍，github有翻譯原版，和現在市場賣的是一樣的，很不錯。

什麼word2vec，CNN,RNN之類的只要上面學好，不用太多看其他亂七八糟的，很多誤人子弟的。再次覺得：學習在於精不在多

強化學習：

代碼：強化學習 Reinforcement Learning 教程系列，莫凡教程，簡單

理論：推薦兩個專欄和課：

CS 294 深度強化學習中文筆記
David Silver強化學習公開課中文講解及實踐

慢慢學好這兩個，絕對夠，記住，學好。

本來學完上面的完全夠了，但B站也有，李宏毅深度學習(2017)_演講?公開課，看過一些還不錯，但是我覺得上面的更加系統，還有作業，我覺得，實踐理論結合，才能學好

不贊成有人說不會英語就不要學了，誰的英文是從娘胎就自帶buff，出生就會的？不會就學，誰說深度學習一開始就是要深度去學習深度學習的？基礎開始，小白到大牛，一步一步來！

不贊成不學英語就直接深入學習深度學習了，也深入不了。英語，數學對於機器學習都很重要，不會就學，學英語，背單詞開始，一堆方法論，自行查找。學個大學4,6級水平，學習一些術語名詞，那讀絕大部分論文是沒有問題的！

若題主決定走機器學習或深度學習這條路了，那從基礎的開始，學學數學，學學英語，寫寫代碼，找找成就感，邊學基礎，邊學英語，至於深入的學習，若時間長，就慢慢來，但若時間短，想5天8天就速成，那就好好想想，因為入個門怎麼也要一個兩個月吧。說實話，機器學習深度學習門坎確實有點高，若不想付出什麼代價，就說要多厲害多厲害，那是說夢話，趁早醒，但若你意已絕，那」深淵萬丈「有怎樣？何況也不是說有什麼很大的困難！還很有趣！

有空再補充其他方面知識，先去學習啦^_^

最後歡迎關註：我的專欄，我將會寫下我學習的筆記和感悟,對了，都是中文的哦

我來水一發，我和題主差不多。鏈接就不給了，手機弄的有點麻煩。

首先入門推薦網易雲課堂的吳恩達微課程，這個絕對是入門最快的。而且有翻譯，學起來不累。如果有不懂的，什麼BP之類的推倒不會，直接知乎，知乎上乾貨很多，不怕你不會。

～然後就可以開始擼代碼了，至於不懂的原理邊擼邊學是最好的了。擼代碼我極力推薦李沐大神最近在推廣的MXNET。視頻B站有，搜索李沐或者MXNET都可以搜索到。周六鬥魚有直播，之前沒看的視頻可以在B站上看。中文教學，簡直不要太親切。

至於看一些英文文檔，論文，之類的是免不了，配合著Google翻譯還是可以看的。

周志華機器學習（西瓜書）

以及

吳恩達的網課

exacity/deeplearningbook-chinese

B站啊(doge) 嗶哩嗶哩 ( ゜- ゜)つロ乾杯~ Bilibili

動手學深度學習 - 動手學深度學習 0.6 documentation

推薦吳恩達的，網易雲課堂有，還有花書

上面有很多不錯的回答，但大夥忽略了題主的基礎啊，英語不好啊！所以還是先找在線學習平台入門啊，不知道題主python會多少？不論看多少書，東多少理論，不會coding，沒有什麼卵用啊，目前我也在入門當中，推薦一個在線平台，中國大學MOOC_無界獎學金挑戰賽_首頁_中國大學MOOC(慕課)，最近這個平台，推出了一些列的獎學金課程，其中北京理工的python數據展示與分析，以及南京大學的用python 玩轉數據，還是不錯的入門級課程，等樓主把這個聽完了，估計，在進階深度學習，不用上知乎問，也知道該學習哪些東西了，祝樓主學習成功。

等我學完這兩個課程，再來補一波（-_- 無法加表情也是醉了）

英文不好中學基礎總有吧。

直接看英文資料，一開始會比較吃了，主要是一些專業名詞。熟悉之後就可以流暢閱讀了，同時你還提升了英語水平，豈不美哉？

資源其實挺多的，無論是書還是網課。隨手就能查到。吳恩達的新課挺適合入門的，網易雲課堂上有。先別考慮英語、數學、編程的問題，去看兩節課，花不了多少時間。再根據自己的需求學習。

謝邀，英文不好就不建議深入學習了。不同於其他計算機領域，深度學習的使用難度頗高，看不懂文獻就沒法深入，不深入也就用不好。所以建議先研究別的方向。不然浪費時間很多取不到進站就失去意義了。