深度学习系列经典博客收藏
刘建平Pinard博客系列
- 深度神经网络（DNN）模型与前向传播算法
- 深度神经网络（DNN）反向传播算法(BP)
- 深度神经网络（DNN）损失函数和激活函数的选择
- 机器学习中的交叉熵代价函数
- 深度神经网络（DNN）的正则化
- 卷积神经网络(CNN)模型结构
- 卷积神经网络(CNN)前向传播算法
- 卷积神经网络(CNN)反向传播算法
- 循环神经网络(RNN)模型与前向反向传播算法
- LSTM模型与前向反向传播算法
- 受限玻尔兹曼机（RBM）原理总结
Multiangle's NotepadCSDN
- 深度学习笔记(一)：logistic分类
- 深度学习笔记(二)：简单神经网络，后向传播算法及实现
- 深度学习笔记(三)：激活函数和损失函数
- 深度学习笔记：优化方法总结(BGD,SGD,Momentum,AdaGrad,RMSProp,Adam)
- 深度学习笔记(四)：循环神经网络的概念，结构和代码注释
- 深度学习笔记(五)：LSTM
- 深度学习笔记(六)：Encoder-Decoder模型和Attention模
- tensorflow笔记：流程，概念和简单代码注释
- tensorflow笔记：多层CNN代码分析
- tensorflow笔记：多层LSTM代码分析
- tensorflow笔记：常用函数说明
- tensorflow笔记：模型的保存与训练过程可视化
- tensorflow笔记：使用tf来实现word2vec
DL4J学习网站
