深度學習論文閱讀路線圖 Deep Learning Papers Reading Roadmap

1 前言

相信很多想入門深度學習的朋友都會遇到這個問題，就是應該看哪些論文。包括我自己，也是花費了大量的時間在尋找文章上。另一方面，對於一些已經入門的朋友，常常也需要了解一些和自己研究方向不同的方向的文章。

因此，這裡做了一個深度學習論文閱讀路線圖，也就是paper list，希望能夠幫助大家對深度學習的全貌和具體的方向有一個深入的理解。

2 路線圖的構建原則

有以下四個原則：

1. 從整體到局部。即從Survey的文章，影響大局的文章到具體子問題子領域的文章。
2. 從過去到最前沿。即每個topic的文章是按照時間順序排列的，這樣大家就可以清楚的看到這個方向的研究發展脈絡。
3. 從通用到應用。即有些深度學習的文章是面向深度學習通用理論，比如Resnet，可以用在任意的神經網路中，而有些文章則是具體應用，比如Image Caption。
4. 面向最前沿。收集的文章會有很多是最新的，甚至就是幾天前出來的，這樣能保證路線圖是最新的。

每一種topic只選擇最有代表性的幾篇文章，比如深度增強學習（Deep Reinforcement Learning），這個領域現在有幾十篇文章，但只選擇幾篇，要深入了解甚至做為自己的研究方向，還需要進一步的閱讀該領域的文章。

3 說明

這個論文閱讀路線圖選擇的文章除了文章本身的影響力和重要性之外，也依賴於本人對文章的理解。因此會有一定的主觀性，即我覺得這篇文章好，值得讀，所以推薦。這方面需要大家的理解。也歡迎大家提出批評意見以改進。

這個路線圖還在完善，會不斷更新。

歡迎大家pull requests！（基本要求：一個topic不超過10篇，並且包含當前最前沿和最有影響力的文章，也歡迎增加新的topic）

路線圖在Github上，地址是：

GitHub - songrotek/Deep-Learning-Papers-Reading-Roadmap: Deep Learning papers reading roadmap for anyone who are eager to learn this amazing tech!

以下是截圖：

希望對大家有所幫助！

推薦閱讀：