深度学习入门及深度学习学习路线

最近一段老师逼着搞论文，都没啥时间刷题和更新博客了。前段时间无意间看到一些深度学习方面的资料，个人觉得写的实在是太精彩了，必须得推荐给他大家。目前只更新了7篇博客，里面包含了原理（即数学推导）和实践（代码实现），对于入门来讲实在是合适不过的了。

声明：本文只负责推荐，原文并非我写，尊重原创。

在这放上原作者写的前言:

下面给出每一部分的主题和详细链接。

入门深度学习部分

第一部分：感知机部分

零基础入门深度学习-感知机

第二部分：线性单元和梯度下降

零基础入门深度学习-线性单元和梯度下降

第三部分：神经网络和反向传播算法

零基础入门深度学习-神经网络和反向传播算法

第四部分：卷积神经网络

零基础入门深度学习-卷积神经网络

第五部分：循环神经网络

零基础入门深度学习-循环神经网络

第六部分：长短时记忆网络(LSTM)

零基础入门深度学习-长短时记忆网络(LSTM)

第七部分：递归神经网络

零基础入门深度学习-递归神经网络

看完这几篇文章之后，绝对有一种豁然开朗的感觉，确实写的非常精彩。理论和实践相结合的感觉绝逼是非常棒的，非常佩服原作者，写的非常的浅显易懂。欣赏完这几篇博客之后，估计大部分人都想进一步学习和了解深度学习，但是接着该咋走呢？我又整理了一篇文章来供大家参考(这也不是我写的，我只是推荐给大家而已)。

深度学习论文学习路线(Deep Learning Papers Reading Roadmap)

原作者写的前沿.路线图构建原则和相关的说明：

深度学习学习路线-前言部分

具体学习路线：

Deep Learning Papers Reading Roadmap