300 页干货！李宏毅《一天搞懂深度学习》（附下载）

对于很多机器学习、深度学习的爱好者来说，都受惠于台湾大学的李宏毅教授的教学视频。他的教学风格轻松幽默且教学质量非常高。

李宏毅教授的个人主页：

http://speech.ee.ntu.edu.tw/~tlkagk/index.html

李宏毅教授的教学视频：

http://speech.ee.ntu.edu.tw/~tlkagk/courses.html

今天给大家推荐并解读一份李宏毅老师整理、发布的深度学习优质资源，这份资源是李宏毅老师在 2016 年台湾资料科学年会上发布了一个前导课程“一天搞懂深度学习”。全部讲义包含 300 页 PPT。不夸张地说，是我看过最系统，也最通俗易懂的，关于深度学习的文章。

这份 300 页的 PPT，被搬运到了 SlideShare 上，下面是 SlideShare 的链接：

https://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3

《一天搞懂深度学习》主要对神经网络的原理、目前存在形态以及未来的发展进行了介绍。深度学习的每一个核心概念在文中都有相关案例进行呈现，通俗而且易懂。

整体结构如下图所示：

作者主要从以下四个方面进行介绍：

• 第一部分：介绍深度学习

• 第二部分：深度神经网络的建议

• 第三部分：神经网络的多样性

• 第四部分：未来趋势

下面对四个部分做简单介绍！

1. 第一部分：介绍深度学习

第一部分主要从 3 个方面来介绍深度学习，包括：深度学习的简介、为什么“深度”、深度学习的“Hello World”。这部分主要讲解了深度学习的很多基本知识点和深度学习训练过程，同时介绍了知名的深度学习框架 Keras， 最后使用 Keras 进行 MNIST 手写数字识别。

2. 第二部分：深度神经网络的建议

这部分主要介绍的是深度学习的训练步骤及其方法：过拟合、激活函数等。如何优化梯度下降算法？方法包括 Momentum、Adam、Dropout、Early Stopping、Regularization 等等。这些是深度学习中最核心的知识点。

3. 第三部分：神经网络的多样性

这部分主要介绍神经网络中两个重要的分支：卷积神经网络和循环神经网络。CNN 在机器视觉方面发挥着相当重要的作用，RNN 在自然语言处理方面的作用也越来越明显了。

4. 第四部分：未来趋势

这部分主要介绍了深度学习未来的发展趋势，包括监督式学习中的超深度网络、注意力模型，强化学习和非监督式学习在图像、文字、音频等方面的进展。

例如在 2015年出现了152 层的 Residual Net 实现了图片 3.57% 错误率。

评价：

《一天搞懂深度学习》可以说是入门深度学习最好的学习资料之一。究其原因如下：

• 李宏毅老师研究深度学习并对深度学习有了很深入的理解，能够把深度学习比较深的技术和原理能用浅显的语言描述，让读者看在眼里，明白在心里。

• 阅读李宏毅教授的这些资料，不感觉枯燥，主要原因是把很多抽象的数学公式具体化了、形象化了。

• 李宏毅教授是个非常严谨的学者，整体内容丰富，非常立体化，非常系统。