點擊上方“AI有道”，選擇“置頂”公眾號

重磅干貨，第一時間送達

近年來，深度學習技術在計算機視覺（CV）、自然語言處理（NLP）等熱門領域都取得了非常大的進展。深度學習的資料也層出不窮。相信很多入門深度學習的讀者面對海量資源的時候，很容易陷入到一種迷茫的狀態。簡單來說，就是選擇越多，越容易讓人陷入無從選擇的困境。

今天，給大家推薦一個火爆 GitHub 的項目。該項目名稱是?DeepLearning-500-questions，作者是川大的一名優秀畢業生談繼勇。該項目以深度學習面試問答形式，收集了 500 個問題和答案。內容涉及了常用的概率知識、線性代數、機器學習、深度學習、計算機視覺等熱點問題。

目前該項目總共獲得了 1.8w stars。項目地址為：

https://github.com/scutan90/DeepLearning-500-questions

主要內容：

該項目分為 18 個章節，近 30 萬字，目錄如下：

• 數學基礎

• 機器學習基礎

• 深度學習基礎

• 經典網絡

• 卷積神經網絡（CNN）

• 循環神經網絡（RNN）

• 生成對抗網絡（GAN）

• 目標檢測

• 圖像分割

• 強化學習

• 遷移學習

• 網絡搭建及訓練

• 優化算法

• 超參數調試

• GPU 和框架選型

• 自然語言處理（NLP）

• 模型壓縮、加速及移動端部署

• 后端架構選型、離線及實時計算

項目內容非常豐富，下面，我們來挑選挑選前幾個重要章節進行簡要介紹。

第一章 數學基礎

這一章主要介紹了機器學習、深度學習必備的數學基礎，包含線性代數、概率論在內的總共 17 道問題和解答。

例如列舉了常見的概率分布：

第二章 機器學習基礎

這一章主要介紹了機器學習的常見算法類型以及機器學習重要的核心知識點，例如代價函數、梯度下降、評估性能指標等。總共包含了 70 多道問題。

例如列舉的常見的機器學習算法類型：

第三章 深度學習基礎

這一章主要介紹神經網絡的基本概念和基礎知識，包括神經網絡前向傳播、激活函數、反向傳播以及神經網絡模型的優化方法和超參數調試等等。總共涉及了 50 多道問題。

例如列舉神經網絡常用的模型：

第四章 經典網絡

本章主要介紹了幾種經典網絡，包括 LeNet-5、AlexNet、可視化ZFNet-解卷積、VGGNet、GoogleNet的模型結構及模型解讀等。總共涉及了 40 多道問題。

LeNet-5

AlexNet

卷積可視化

VGGNet

GoogleNet

總的來說，《深度學習 500 問》基本涉及了深度學習領域的完整知識體系，并對每個問題都作了詳細的講解和總結。感謝作者的整理和開源，希望對大家有所幫助！

硬核干貨，值得收藏！

最后，再次附上該項目地址：

https://github.com/scutan90/DeepLearning-500-questions

【推薦閱讀】

干貨 | 公眾號歷史文章精選（附資源）

我的深度學習入門路線

我的機器學習入門路線圖

?歡迎加入

總結

以上是生活随笔為你收集整理的深度学习 500 问！一份火爆 GitHub 的面试手册的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。