近年来，深度学习技术在计算机视觉（cv）、自然语言处理（NLP）等领域都取得了非常不错的成果，自然而然地成为技术人员争相学习的热点。
为了帮助正在学习深度学习的伙伴们，川大的一名优秀毕业生，在GitHub上创建了一个项目：《深度学习500问》，通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书已达18个章节，近50万字，全是中文！！
截至今天，该项目已经获得了27152个stars以及7892个fork，只要是内容都是干货，超全！
首先，直接放上项目地址：
https://github.com/scutan90/DeepLearning-500-questions
下面，我们来看一看该项目有哪些硬核干货吧！
全书目录
该项目更确切地说是一本深度学习面试手册，500 问，非常详细。全书共分为 18 章，近 50 万字，目录如下：
数学基础
机器学习基础
深度学习基础
经典网络
卷积神经网络（CNN）
循环神经网络（RNN）
生成对抗网络（GAN）
目标检测
图像分割
强化学习
迁移学习
网络搭建及训练
优化算法
超参数调试
GPU 和框架选型
自然语言处理（NLP）
模型压缩、加速及移动端部署
后端架构选型、离线及实时计算
主要内容
全书内容非常丰富，持续更新和完善中。下面我们列举前四章的一些知识点给读者一睹为快！
第一章 数学基础
本章主要讲解了数学基础知识，不仅涵盖了相关的基础概念，还包括彼此之间的联系，如标量、向量、张量之间的联系；张量和矩阵的区别，还有常见的概率分布：
此外，还讲解了不同类型的概率分布和统计学（期望、方差、协方差、相关数）的相关基础知识
第二章 机器学习基础（各种常见算法）
本章为大家罗列了常见的算法以及常见分类算法的优缺点、分类算法的评估用法、大数据与深度学习的关系等，第二章涵盖的知识点虽然很多但却十分全面。
第三章 深度学习基础
本章开始进入主题，为了描述神经网络，书中从最简单的神经网络说起，然后层层深入，列举了神经网络的常用模型结构，如何选择一个深度学习开发平台等重点内容，如神经网络常用的模型结构如下：
第四章 经典网络
本章向大家介绍了几种经典网络，包括LeNet-5、AlexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等，如LeNet-5的模型结构如下：
评价
整个项目包含的内容非常多，这里就不再赘述。干货很硬，大家不要错过了这份资源。再次附上链接
https://github.com/scutan90/DeepLearning-500-questions
总的来说，这份资源不是一本深度学习的系统教材，而是一份完整的、详细的深度学习知识点精炼手册。对于面试、自我测验来说非常有帮助！一句话：硬核干货，值得收藏！
资源下载：
链接: https://pan.baidu.com/s/1zNw1KK-ohhQcY6D4AESjwA 提取码: 7s6t
