CNN章節(jié)的第一篇文章給大家分享一些神經(jīng)網(wǎng)絡的資料，作為深度學習的基礎，神經(jīng)網(wǎng)絡的理論知識是必須學習的內容，神經(jīng)網(wǎng)絡分很多種，這里主要介紹目前在圖像和語音識別領域大放異彩的卷積神經(jīng)網(wǎng)絡。我按照個人學習的先后次序列出了相關的博客和課程網(wǎng)站。下面話不多說，上貨！
針對卷積網(wǎng)絡，一個很好的例子是，數(shù)字手寫識別模型，其識別數(shù)字的準確率達到了99.18%，已經(jīng)普遍應用在銀行的相關智能系統(tǒng)中， 下面這個網(wǎng)站是數(shù)字手寫識別作者的博客，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)絡理論知識，并附有關鍵代碼，里面的兩篇論文十分重要。
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)絡里面的過程很有幫助，當然如果你已經(jīng)對于神經(jīng)網(wǎng)絡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，可以不看，內容較系統(tǒng)和基礎。
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，在網(wǎng)易公開課等媒體上搜索機器學習課程，可以搜索到，主要介紹機器學習的重要的算法。不過另外一個好的選擇是今年Li FeiFei&Andrej Karpathy的課程。Andrej Karpathy的博客非常值得關注，他對反向求導的解釋十分有意思，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，關于Caffe，它是一個深度學習框架，在實際工程應用上使用的較多，是主流框架之一，后面會介紹如何搭建Caffe框架，以及如何訓練數(shù)據(jù)，實現(xiàn)深度學習，下面給出它的官網(wǎng)鏈接：
http://caffe.berkeleyvision.org/
主要看Caffe介紹，下載源碼便可，后面會詳細展開Caffe的安裝和使用以及算法和代碼實現(xiàn)。
有兩個重點，一個就是“im2col在做什么”， 一個是protocol buffer里面的prototext怎么用。關于重點“im2col在做什么”，可以參考下面這個鏈接，里面有Caffe的開發(fā)者（中國國籍賈揚清）的回答，很直觀。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。
掌握好Caffe的指標，我認為可以是訓練百萬級的數(shù)據(jù)，能夠實現(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，需要理解機器學習的相關算法，才能夠更好的調節(jié)參數(shù)，擬合數(shù)據(jù)，做到如此，便可以認為已經(jīng)入門深度學習了。所以，建議大家在實踐中學習。
