轉載自：http://blog.csdn.net/u013854886/article/details/48177251

1. Deep Learning課程(由淺入深)：

• 我們組的一個Deep Learning的比較全面、概括的介紹，視訊：Part1，Part2，Slides：PPT.可以短時間內對Deep Learning有比較基本的入門和理解。
• Andrew Ng(吳恩達). Unsupervised Feature Learning and Deep Learning.線上地址，百度網盤下載. 主要側重基本實驗技巧和基本機器學習知識。
• 吳立德.復旦大學深度學習課程.線上地址.百度網盤下載.講解比較全面易懂，提綱挈領地講到了各種基礎知識。
• Oxford University(牛津大學).Machine Learning Course.線上地址.百度網盤下載.從基本機器學習知識到基本深度結構的理解，非常全面。
• Yann Lecun NYU(紐約大學). Deep Learning Course. 線上地址. 偏重CNN(卷積神經網路)等模組以及深度學習基本原理的理解，有些理論比較難。
• G.E.Hinton. Deep Learning Course. 百度網盤下載.系統的深度學習理論，高度非常高，有些比較不太容易理解，需要多看幾遍。

2. Deep Learning學習資料： 3. Deep Learning程式碼庫：

• Caffe for Linux&&Windows
    我們組的caffe Linux/Windows 相容版本，可以同時在linux和windows下用。
• Caffe.  基於C++, 改層和做大型試驗比較靠譜。
• Theano.  結構搭建非常方便，不用關注求梯度的過程，適合在小資料集上驗證演算法。
• Torch.  沒用過，不過facebook 和google都用這個，應該非常不錯。
• TensorFlow.  Google 最新發布的二代機器學習系統，還沒看過，運算和結構搭建應該都非常快。

4. Deep Learning網站：

5. Deep Learning Talk：

• Attention.NLP.   Bengio在twitter的關於attention的演講，值得一聽。
• What's Wrong with Deep Learning.   Yann LeCun 在CVPR2015上的talk，講了deep learning存在的問題和未來要解決的問題，很不錯。
  
• Hinton劍橋演講.   Hinton老爺子的演講，有對Deep Learning的反思，凡是Hinton的Paper或演講都需要至少過三遍以上才能看懂。。。
  

                                                                                                                                                                                                          中國科學技術大學多媒體計算與通訊教育部-微軟重點實驗室                                                                                                                                                                                                                                                                 MultiMedia Computing Group