你可以研究一下中科類腦，這是我們實驗室（類腦智慧國家工程實驗室）的公司，目前對外開放GPU叢集。外面人用，可能要付點錢，也有可能免費，我也不清楚。但是肯定是能用的。

中科類腦目前有大幾百塊1080tiGPU，最終建設目標是4000塊。

一個任務，一般最多可以申請八塊gpu，足夠你用了。

深度學習一般都會用到GPU來跑實驗，如果沒有，你可以自己買一臺好一點的電腦，買個顯示卡，安裝一下相關的程式就可以了呀，不過，這個有點傷電腦。

如果不想自己買電腦，可以網上搜一下租賃GPU，會出現很多的GPU租賃平臺的，你可以比較一下，選擇價效比高的租賃一個就可以啦，這個很好解決的。

►「碼上十點」CVPR2018論文原始碼連結分享

►「碼上一課」2018計算機視覺頂會論文及原始碼分享

► 人臉識別資源推薦：20款人臉檢測/識別的API、庫和軟體

放開讓我來！看上面的圖片文字，大把資料學習包等你拿

---------------------------------

深度學習是近幾年比較熱門的科目，如果學好了對自己是大有裨益的。那研究生階段想要學習深度學習，可以從這些方面去入手：

一、人脈資源。

深度學習是一個比較複雜且系統的技術，在剛入門毫無基礎的情況下，其實詢問師兄師姐或者自己的導師是一個最簡單省時的方法，透過詢問，建立起自己對深度學習的一個初步認識，以打好基礎。近在身邊的資源，放著不問就真的很浪費啦~

二、網上資源—資料包學習

現在是網際網路時代，只需要敲擊鍵盤就可直接獲取到自己想要的東西。你可以去看網上的很多號，都在無償分享一些資料包，這些資料包可能不是特別牛，但對於一個初次接觸深度學習的研究生來講，真的足夠了。

比如：

谷歌機器學習速成課影片全集，這是谷歌官方為自己內部員工能更好了解AI和機器學習基礎知識專門出的一個學習影片，裡面不僅包含了課程精華內容，還有便於學習與實踐的練習題，重點是，人家還專門出了中文版！你就說貼不貼心！剛入門的話非常推薦看著系列影片去學習！

復旦大學邱錫鵬教授釋出教科書《神經網路與深度學習》，全書共446頁，從基礎到研究前沿介紹了深度學習的核心概念與理論，足夠我們瞭解 DL 的前前後後。

當然了，論文也是必須看的，但是論文那麼多，看起來也很頭疼怎麼辦？深度學習 Top100：近 5 年被引用次數最高論文合集送給你，覆蓋了最佳化/訓練方法、無監督/生成模型、卷積網路模型和影象分割/目標檢測等十大子領域。重要的論文能夠超越其應用領域讓人獲益。

如果你覺得乾巴巴的文字閱讀太枯燥，那你可以上網選擇看影片，YouTube上有一個兩分鐘讀論文的系列影片，可以幫你快速瞭解全球深度學習的最熱門進展。

首先放幾個速查表：

深度學習機器學習Scikit-Learn深度學習機器學習模型深度學習機器學習R語言實現監督學習深度學習機器學習數學公式神經網路

大家一定好奇，這麼多總結從哪裡來？

這是筆記連結https://github.com/FavioVazquez/ds-cheatsheets

隨著人工智慧、大資料、物聯網、雲計算等技術的發展和普及的應用，深度學習收到了學術界和工業界的高度關注。很多企業把深度學習作為未來工業和網際網路發展的研究重心，中國科學院、清華大學、北京大學等多所高校和科研院所成立專業研究中心和實驗室，推動了深度學習在各行業的應用與發展。

下面給有志成為深度學習領域人員的研究生幾點建議，希望對同學們有幫助。

首先一定要學好機器學習，再學習深度學習。機器學習的核心是使用演算法解析資料從中學習，然後對新資料作出決定或預測。深度學習至少要精通一個方向，比如CV或者NLP。

其次要學好資料結構、數學基礎。數學方面包括機率論、線性代數、高數和資訊理論，資料結構包括樹、棧、連結串列、佇列、圖等等，同時要有最佳化演算法複雜度的意識。

第三是要不斷強化自己的程式設計能力，掌握tensorflow或者pytorch至少一種深度學習工具，透過參加比賽做專案，進一步強化自己的動手能力。

資源方面，網上學習課程很多，像優就業上就有很多免費課程可以觀看，每日一小時的課程簡單輕鬆。