为了协助正在学习深度学习的同伴们，川大的一名优秀毕业生，在GitHub上创立了一个项目：《深度学习500问》，经过问答的方式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点成绩停止阐述，以协助本人及有需求的读者。 全书分为15个章节，近20万字。

截至昔日，该项目曾经取得了 2106 个「star」以及 465 个「fork」(GitHub项目地址：https://github.com/scutan90/DeepLearning-500-questions)

虽然本书还未完毕，但还是值得一读，下面我们详细引见书中有哪些内容：

第一章数学基础

本章主要解说了数学基础知识，不只涵盖了相关的基础概念，还包括彼此之间的联络，如标量、向量、张量之间的联络;张量和矩阵的区别，还有常见的概率散布：

此外，还解说了不同类型的概率散布和统计学(希冀、方差、协方差、相关数)的相关基础知识

第二章机器学习基础

本章为大家罗列了常见的算法以及常见分类算法的优缺陷、分类算法的评价用法、大数据与深度学习的关系等，第二章涵盖的知识点虽然很多但却十分片面。

第三章深度学习基础

本章末尾进入主题，为了描画神经网络，书中从最复杂的神经网络说起，然后层层深化，罗列了神经网络的常用模型结构，如何选择一个深度学习开发平台等重点内容，如神经网络常用的模型结构如下：

第四章经典网络

本章向大家引见了几种经典网络，包括LeNet-5、AlexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等，如LeNet-5的模型结构如下：

看了下面这些内容，你是不是曾经刻不容缓想深度读一下这本未完毕的书呢?或许你正从事该范围的任务，也可以协助作者完善成书。

最后再附上GitHub地址：https://github.com/scutan90/DeepLearning-500-questions

【编辑引荐】

从零末尾运用Python停止深度学习！

一文概述深度学习中的正则化（含Python代码）

TF Learn : 基于Scikit-learn和TensorFlow的深度学习利器

轻松停止深度学习的11种Python库和框架

前端工程师掌握这18招，就能在阅读器里玩转深度学习

(责任编辑：admin)