本文是 GitHub 上的一个项目，截止到本文翻译完成之时，Star 数高达 7744 星，据说连深度学习界的大神 Yann LeCun 都为之点赞，可见该项目收集的深度学习资料合集质量之高，广受欢迎，AI 前线对本文翻译并分享，希望能够帮到有需要的读者。

传统机器学习

感知器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/basic-ml/perceptron.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/basic-ml/perceptron.ipynb
逻辑回归
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/basic-ml/logistic-regression.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/basic-ml/logistic-regression.ipynb
Softmax 回归（多项逻辑回归）
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/basic-ml/softmax-regression.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/basic-ml/softmax-regression.ipynb

多层感知器

多层感知器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mlp/mlp-basic.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mlp/mlp-basic.ipynb
具有 Dropout 的多层感知器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mlp/mlp-dropout.ipynb
- PyTorch：https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mlp/mlp-dropout.ipynb
具有批量归一化的多层感知器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mlp/mlp-batchnorm.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mlp/mlp-batchnorm.ipynb
具有从头开始反向传播的多层感知器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mlp/mlp-lowlevel.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mlp/mlp-fromscratch__sigmoid-mse.ipynb

卷积神经网络

ResNet

ResNet 与残差块
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/resnet-ex-1.ipynb
在 MNIST 上训练的 ResNet-18 数字分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet18-mnist.ipynb
在 CelebA 上训练的 ResNet-18 性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet18-celeba-dataparallel.ipynb
在 MNIST 上训练的 ResNet-34 数字分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet34-mnist.ipynb
在 CelebA 上训练的 ResNet-34 性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet34-celeba-dataparallel.ipynb
在 MNIST 上训练的 ResNet-50 数字分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet50-mnist.ipynb
在 CelebA 上训练的 ResNet-50 性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet50-celeba-dataparallel.ipynb
在 CelebA 上训练的 ResNet-101 性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet101-celeba.ipynb
在 CIFAR-10 上训练的 ResNet-101
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet101-cifar10.ipynb
在 CelebA 上训练的 ResNet-152 性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet152-celeba.ipynb

网络中的网络

CIFAR-10 分类器网络中的网络
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/nin-cifar10.ipynb

度量学习

具有多层感知器的孪生网络
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/metric/siamese-1.ipynb

自编码器

全连接自编码器

自编码器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/autoencoder/ae-basic.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-basic.ipynb

卷积自编码器

具有解卷积 / 转置卷积的卷积自编码器
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/autoencoder/ae-deconv.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-deconv.ipynb
具有解卷积（不具有池化操作）的卷积自编码器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-deconv-nopool.ipynb
- 具有最近邻插值的卷积自编码器
  - TensorFlow：https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/autoencoder/ae-conv-nneighbor.ipynb
  - PyTorch：
    https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-conv-nneighbor.ipynb
在 CelebA 上训练的具有最近邻插值的卷积自编码器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-conv-nneighbor-celeba.ipynb
在 Quickdraw 上训练的具有最近邻插值的卷积自编码器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-conv-nneighbor-quickdraw-1.ipynb

变分自编码器

变分自编码器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-var.ipynb
- 卷积变分自编码器
  - PyTorch：
    https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-conv-var.ipynb

条件变分自编码器

条件变分自编码器（具有重构损失中的标签）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-cvae.ipynb
条件变分自编码器（不具有重构损失中的标签）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-cvae_no-out-concat.ipynb
卷积条件变分自编码器（具有重构损失中的标签）
- PYTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-cnn-cvae.ipynb
卷积条件变分自编码器（不具有重构损失中的标签）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/autoencoder/ae-cnn-cvae_no-out-concat.ipynb

生成对抗网络

MNIST 上的全连接生成对抗网络
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/gan/gan.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/gan/gan.ipynb
MNIST 上的卷积生成对抗网络
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/gan/gan-conv.ipynb
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/gan/gan-conv.ipynb
MNIST 上具有标签平滑的卷积生成对抗网络
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/gan/gan-conv-smoothing.ipynb

递归神经网络

多对一：情感分析 / 分类

简单的单层递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_simple_imdb.ipynb
打包序列以忽略填充字符的简单单层递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_simple_packed_imdb.ipynb
具有长短期记忆网络单元的递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_lstm_packed_imdb.ipynb
具有长短期记忆网络单元和经预训练的 GloVe 词向量的递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_lstm_packed_own_csv_imdb.ipynb
具有长短期记忆网络单元和 CSV 格式的自有数据集的递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_lstm_packed_own_csv_imdb.ipynb
具有 GRU 单元的递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_gru_packed_imdb.ipynb
多层双向递归神经网络（IMDB）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_gru_packed_imdb.ipynb

多对多 / 序列到序列

为生成新文本（Charles Dickens）的简单字符递归神经网络
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/char_rnn-charlesdickens.ipynb

序数回归

序数回归卷积神经网络——CORAL w. ResNet34 on AFAD-Lite
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/ordinal/ordinal-cnn-coral-afadlite.ipynb
序数回归卷积神经网络——Niu et al. 2016 w. ResNet34 on AFAD-Lite
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/ordinal/ordinal-cnn-niu-afadlite.ipynb
序数回归卷积神经网络——Beckham and Pal 2016 w. ResNet34 on AFAD-Lite
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/ordinal/ordinal-cnn-beckham2016-afadlite.ipynb

要诀与技巧

周期学习率
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/tricks/cyclical-learning-rate.ipynb

PyTorch 工作流和机制

自定义数据集

为自定义数据集使用 PyTorch 数据集加载实用程序——CSV 文件转换为 HDF5
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader-csv.ipynb
为自定义数据集使用 PyTorch 数据集加载使用程序——来自 CelebA 的面部图像
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader-celeba.ipynb
为自定义数据集使用 PyTorch 数据集加载使用程序——来自 Quickdraw 的图像
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader-quickdraw.ipynb
为自定义数据集使用 PyTorch 数据集加载使用程序——来自街景门牌号（SVHN）数据集的图像
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader-svhn.ipynb
为自定义数据集使用 PyTorch 数据集加载使用程序——亚洲人面部数据集（AFAD）
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader-afad.ipynb
为自定义数据集使用 PyTorch 数据集加载使用程序——历史彩色图像
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/custom-data-loader_dating-historical-color-images.ipynb

训练与预处理

生成验证集拆分
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/validation-splits.ipynb
具有固定内存的数据加载
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-resnet34-cifar10-pinmem.ipynb
图像标准化
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-standardized.ipynb
图像转换示例
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/torchvision-transform-examples.ipynb
具有自己的文本文件的 Char-RNN
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/char_rnn-charlesdickens.ipynb
具有自己的 CSV 文件的情感分类递归神经网络
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/rnn/rnn_lstm_packed_own_csv_imdb.ipynb

并行计算

使用数据并行的多 GPU——VGG-16 CelebA 上的性别分类器
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/cnn/cnn-vgg16-celeba-data-parallel.ipynb

其他

顺序 API 和钩子
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/mlp-sequential.ipynb
层内权重共享
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/cnn-weight-sharing.ipynb
只使用 Matplotlib 在 Jupyter Notebook 绘制实时训练性能
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/plot-jupyter-matplotlib.ipynb

Autograd

在 PyTorch 中获取中间变量的梯度
- PyTorch：
  https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/mechanics/manual-gradients.ipynb

TensorFlow 工作流和机制

自定义数据集

为 Mini-batch 训练使用 NumPy NPZ Archives 进行组块图像数据集
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/image-data-chunking-npz.ipynb
为 Mini-batch 使用 HDF5 进行存储图像数据集
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/image-data-chunking-hdf5.ipynb
使用输入管道从 TFRecords 文件读取数据
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/tfrecords.ipynb
使用 Queue Runners 从硬盘直接馈入图像
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/file-queues.ipynb
使用 TensorFlow 的数据集 API
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/dataset-api.ipynb

训练和预处理

保存和加载训练过的模型——从 TensorFlow 检查点文件和 NumPy NPZ Archives
- TensorFlow：
  https://github.com/rasbt/deeplearning-models/blob/master/tensorflow1_ipynb/mechanics/saving-and-reloading-models.ipynb

作者介绍

Sebastian Raschka，机器学习研究者、开源贡献者。《Python机器学习》作者，威斯康星大学麦迪逊分校统计学助理教授。

创作场景

Yann LeCun 都推荐的深度学习资料合集