这篇文章没有我自己的见解，抱歉，都是引用。然后也没搞完，时间有限，最后的网络都也是知道基本概念，没有实操过。抱歉了
基础
卷积神经网络CNN完全指南终极版（一）
卷积神经网络CNN完全指南终极版（二）
最全的DNN概述论文：详解前馈、卷积和循环神经网络技术
训练集、验证集和测试集
1.激活函数
一文概览深度学习中的激活函数
2.反向传播
前置必看：Back Propagation（梯度反向传播）实例讲解
深度学习笔记（五）—损失函数与优化器
基础 | 神经网络快速入门：什么是多层感知器和反向传播？
优化器
优化器算法
损失函数
PyTorch的十八个损失函数
常见损失函数 & 损失函数选择方法
梯度消失与梯度爆炸
出现梯度消失与梯度爆炸的原因以及解决方案
3.训练模型过拟合
欠拟合、过拟合及如何防止过拟合
4.其他
神经元中偏置的作用
torch函数
nn.Linear()
nn.BatchNorm2d()
nn.Module
nn.AvgPool2d
torch.max()
torch.no_grad()
数据处理
数据归一化
数据归一化和两种常用的归一化方法
网络学习
深度学习发展史
1.CNN
网络1: LeNet
网络2: AlexNet
网络3: Deep4Net
网络4: eegNet
seNet
Shallow
深度学习入门笔记（六）：浅层神经网络
深度学习之手撕神经网络代码（基于numpy）
Deep
2.RNN
循环神经网络快速入门（如RNN GRU LSTM BRNN等）
GRU
LSTM
BRNN
DEEP RNN
3.DBN
4.GAN
其他
网络5: ShallowFBCSPNet
资源
我最开始是跟着这个视频一点点来的:
https://space.bilibili.com/18161609
|