HyperDL-Tutorial 是一个深度学习相关的系列文章，总结了在深度学习实践中的一些经验。
今天分享给大家的是一份GitHub标星1.3k+的深度学习教程，号称是理论与实践的完美结合，内容由浅入深，非常适合深度学习新手。不过，这套教程并不适合还没有入门的0基础AI小白，每个章节中的所附内容还是以GitHub上的开源代码地址和相关论文为主，想看懂还是需要一定的研究基础。
GitHub地址：https://github.com/zeusees/HyperDL-Tutorial可爱的读者你可能会想，标星才1.3K，也没见得有多么高的热度呢！！！我是标星318时开始关注这个项目的，见证了HyperDL-Tutorial如何在网上走红，是一份名副其实的理论与实践的深度学习清单。常见深度学习框架
基础网络
神经网络的优化
模型之间的转换
适用于移动端的框架
神经网络的设计
神经网络的适用场景
基础网络的训练
相关面试题
对抗蒸馏
这只是一级目录，每个目录下有大量的外部链接。（采用这种方式的主要原因是目前GitHub基本都具有较为丰富的训练测试代码，我们的目的主要是想将高效的网络推荐给大家，包括涉及的一些训练tricks）比如"基础网络的训练"这个章节，作者给出了9种高效网络：1.MobileNet(分类网络)
2.MnasNet(分类网络)
3.MTCNN(单一物体检测网络)
4.MobileNet-SSD(Single Shot 物体检测网络)
5.CTPN(文字定位网络)
6.insightface(人脸识别网络)
7.VanillaCNN(人脸关键点回归网络)
8.YOLO-V3(通用物体检测网络)
9.DeepOCR(文字识别网络)
在深度学习在图像领域的应用这一节，作者总结了在视觉领域一些方向上基于深度学习的优秀算法。
传送门：https://github.com/zeusees/HyperDL-Tutorial
