0.導(dǎo)語

作者：Floodsung

出處：https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap

翻譯：黃海廣

如果您是深度學(xué)習(xí)領(lǐng)域的新手，那么您可能會(huì)遇到的第一個(gè)問題是“我應(yīng)該從哪篇論文開始閱讀？”

本文是深度學(xué)習(xí)論文的閱讀路線圖！

該路線圖是根據(jù)以下四個(gè)準(zhǔn)則構(gòu)建的：

• 從輪廓到細(xì)節(jié)

• 從舊到最新

• 從通用到特定領(lǐng)域

• 專注于最新技術(shù)

您會(huì)發(fā)現(xiàn)許多非常新的論文，但確實(shí)值得閱讀。

此外，作者將繼續(xù)在此路線圖中添加論文。

目前已經(jīng)發(fā)布：

AI 基礎(chǔ)：簡易數(shù)學(xué)入門

AI 基礎(chǔ)：Python開發(fā)環(huán)境設(shè)置和小技巧

AI 基礎(chǔ)：Python 簡易入門

AI 基礎(chǔ)：Numpy 簡易入門

AI 基礎(chǔ)：Pandas 簡易入門

AI 基礎(chǔ)：Scipy(科學(xué)計(jì)算庫) 簡易入門

AI基礎(chǔ)：數(shù)據(jù)可視化簡易入門（matplotlib和seaborn）

AI基礎(chǔ)：機(jī)器學(xué)習(xí)庫Scikit-learn的使用

AI基礎(chǔ)：機(jī)器學(xué)習(xí)簡易入門

AI基礎(chǔ)：機(jī)器學(xué)習(xí)的損失函數(shù)

AI基礎(chǔ)：特征工程-類別特征

AI基礎(chǔ)：特征工程-數(shù)字特征處理

AI基礎(chǔ)：特征工程-文本特征處理

AI基礎(chǔ)：詞嵌入基礎(chǔ)和Word2Vec

AI基礎(chǔ)：圖解Transformer

AI基礎(chǔ)：一文看懂BERT

AI基礎(chǔ)：入門人工智能必看的論文

AI基礎(chǔ)：走進(jìn)深度學(xué)習(xí)

后續(xù)持續(xù)更新

我已經(jīng)將論文全部下載了，放到百度云提供下載。

百度云地址：

鏈接：https://pan.baidu.com/s/17Xcg6-mzRjlNKEIj2lSPiw

提取碼：fnks

我將本文放在我的數(shù)據(jù)科學(xué)的github中，如果百度云鏈接失效請(qǐng)到這里找下載地址：

https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/Deep-Learning-Papers-Reading-Roadmap

論文我做成了zotero格式，可以直接在zotero中導(dǎo)入，如果沒有安裝zotero，那么也可以下載分類好的pdf文件，按照本文論文目錄進(jìn)行分類了。

使用方法：

1.zotero 中閱讀，先導(dǎo)入到zotero，閱讀論文只需要在紅框中輸入論文名稱即可搜到。

2.直接下載文件閱讀

后續(xù)如果鏈接被取消，請(qǐng)直接到github上查看：

https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/Deep-Learning-Papers-Reading-Roadmap

論文目錄

1 深度學(xué)習(xí)的歷史和基礎(chǔ)

1.0 圖書

1.1 回顧

1.2 深度信念網(wǎng)絡(luò)（DBN）（深度學(xué)習(xí)前夜的里程碑）

1.3 ImageNet的發(fā)展（深度學(xué)習(xí)從這里爆發(fā)）

1.4 語音識(shí)別的發(fā)展

2 深度學(xué)習(xí)方法

2.1 深度學(xué)習(xí)模型

2.2 優(yōu)化方法

2.3 無監(jiān)督學(xué)習(xí)/ 深度生成模型

2.4 RNN / 序列到序列模型

2.5 神經(jīng)圖靈機(jī)

2.6 深度強(qiáng)化學(xué)習(xí)

2.7 深度遷移學(xué)習(xí)/終身學(xué)習(xí)/特別是針對(duì)強(qiáng)化學(xué)習(xí)

2.8 One-Shot深度學(xué)習(xí)

3 應(yīng)用

3.1 NLP(自然語言處理)

3.2 目標(biāo)檢測(cè)

3.3 目標(biāo)跟蹤

3.4 圖像標(biāo)注

3.5 機(jī)器翻譯

3.6 機(jī)器人

3.7 Art

3.8 目標(biāo)分割

---

限于篇幅，本文的論文清單和下載地址放在我的數(shù)據(jù)科學(xué)的github中：

github地址：

https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/Deep-Learning-Papers-Reading-Roadmap

一共127篇論文，可以說是最全的深度學(xué)習(xí)經(jīng)典論文集！

總結(jié)

本文總結(jié)了深度學(xué)習(xí)閱讀論文的路線，并整理了127篇經(jīng)典論文提供下載。

歡迎收藏分享。

備注：公眾號(hào)菜單包含了整理了一本AI小抄，非常適合在通勤路上用學(xué)習(xí)。

往期精彩回顧那些年做的學(xué)術(shù)公益-你不是一個(gè)人在戰(zhàn)斗適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)在線手冊(cè)AI基礎(chǔ)下載（第一部分）備注：加入本站微信群或者qq群，請(qǐng)回復(fù)“加群”加入知識(shí)星球（4500+用戶，ID：92416895），請(qǐng)回復(fù)“知識(shí)星球”

喜歡文章，點(diǎn)個(gè)在看

總結(jié)

以上是生活随笔為你收集整理的AI基础：深度学习论文阅读路线（127篇经典论文下载）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。