近期推荐：

• 《完全基于卷积神经网络的seq2seq》

• 《小米的语音识别系统是如何搭建的》

• 《动态层归一化（Dynamic Layer Normalization）》
  

• 《Network-in-Network原理及其TensorFlow实现》

• 《ConvLSTM原理及其TensorFlow实现》

• 《时延神经网络(TDNN)原理及其TensorFlow实现》

• 《Maxout Network原理及其TensorFlow实现》

• 《详解TensorFlow的新seq2seq模块及其用法》

• 《谈谈蚂蚁金服的语音唤醒系统》

• 《[DLdigest-1] 有人用量子场论来解释深度神经网络》

• 《[DLdigest-2] AlphaGo Zero是自由的》

• 《[DLdigest-3] Python中让你无法预测的“是”》
  

所有文章：

1.《聊聊语音识别的发展历程》

2.《说说重要的贝叶斯公式吧》

3.《我对入门深度学习的切身体会》

4.《聊聊隐马尔科夫模型（HMM）》

5.《关于防止过拟合的一些想法》

6.《我与数据打交道（一）》

7.《我与数据打交道（二）》

8.《我与数据打交道（三）》

9.《资源汇总|如何成为一名数据科学家》

10.《如何用Git同步两台电脑》

11.《从头写一个朋友圈红包图片》

12.《我对GMM的理解（一）》

13.《我对GMM的理解（二）》

14.《K-最近邻算法的应用》

15.《朴素贝叶斯（Naive Bayes）》

16.《决策树（Decision Tree）》

17.《Bagging,Random Forests以及Boosting》

18.《K-Means集群算法》

19.《我对推荐系统的理解》

20.《如何评价一个机器学习模型》

21.《如何理解机器学习中的bias与variance》

22.《有哪些基本的排序算法》

23.《聊聊组合与排列》

24.《一个算法问题的三种思考方式》

25.《再叙快排》

26.《什么是自平衡二叉查找树》

27.《如何进行归并排序》

28.《分析堆排序》

29.《我对动态规划的理解（一）》

30.《我对动态规划的理解（二）》

31.《我对动态规划的理解（三）》

32.《马尔科夫决策过程》

33.《n-Armed Bandit Problem（一）》

34.《n-Armed Bandit Problem（二）》

35.《基于强化学习开发人机对弈五子棋游戏》

36.《我所理解的深度学习（一）——BP图模型算法》

37.《我所理解的深度学习（二）——卷积神经网络基础》

38.《我所理解的深度学习（三）——卷积神经网络应用①》

39.《我所理解的深度学习（四）——卷积神经网络应用②》

40.《我对随机梯度下降的理解（一）》

41.《我对随机梯度下降的理解（二）》

42.《时序分类算法之Connectionist Temporal Classification（CTC）》

43.《语言模型之N-gram》

44.《如何评价一个语言模型（LM）》

45.《如何计算字符串编辑距离》

46.《如何计算语音识别中的字母错误率》

47.《RNN-maxout+VGG+LSTM组合模型用于声学建模》

48.《基于注意力模型的TIMIT语音识别系统》

49.《微软2016年最新语音识别系统》

50.《什么是对抗式生成网络》

51.《Prisma修图软件的图片风格转换算法》

52.《运用Res-GRU神经网络进行图片压缩》

53.《如何用神经网络进行图片压缩》

54.《深度残差学习框架》

55.《深度残差学习框架（续）》

56.《models/autoencoder源码阅读（一）》

57.《models/autoencoder源码阅读（二）》

58.《models/autoencoder源码阅读（三）》

59.《TensorFlow(一)——基础图模型》

60.《TensorFlow(二)——逻辑回归》

61.《TensorFlow(三)——卷积神经网络用于手写字识别》

62.《TensorFlow(四)——构建自动编码器用于数据压缩及复原》

63.《TensorFlow(五)——构建深度残差学习网络》

64.《Tensorflow|如何保存或导入训练好的模型》

65.《漫谈RNN之基本概念》

66.《漫谈RNN之训练方法》

67.《漫谈RNN之梯度消失及梯度爆炸》

68.《漫谈RNN之长短期记忆模型LSTM》

69.《漫谈RNN之长短期记忆模型LSTM（续）》

70.《漫谈RNN之序列建模（机器翻译篇）》

71.《漫谈RNN之序列建模（机器造句篇）》

72.《漫谈RNN之序列建模（机器说图篇）》

73.《漫谈RNN之注意力机制（语音识别篇）》

74.《漫谈RNN之注意力机制（语音识别LAS框架）》

75.《漫谈RNN之记忆网络（原始框架篇）》

76.《漫谈RNN之记忆网络（E2E）》

77.《漫谈RNN之记忆网络（DMN及DMN+）》

78.《漫谈RNN之seq2seq代码详解》

79.《漫谈RNN之神经图灵机》

80.《基于TensorFlow让机器生成周杰伦歌词》

81.《基于TensorFlow让机器生成周杰伦歌词（续）》

82.《2016深度学习技术文章回顾》

83.《深度学习中的预训练》

84《Neural Writing Machine》

85.《基于TensorFlow的端对端语音识别系统》

86.《漫谈强化学习之n-armed bandit》

87.《漫谈TensorFlow Fold之动态批处理算法》

88.《早睡身体好》

89.《周志华提出的gcForest到底是什么》

90.《『深度要闻』第一期》

91.《生活中的森林故事》

92.《『深度要闻』第二期》

93.《三行Python代码构建机器翻译模型》

94.《『深度要闻』第三期》

95.《基于TensorFlow Fold动态解决FizzBuzz问题》

96.《经验 | 读者分享深度学习框架使用体会》

97.《常见的两种注意力机制》

98.《『深度要闻』第四期（附社区chat分享）》

99.《推荐阅读 | 如何让TensorFlow模型运行提速36.8%》

100.《github上TensorFlow深度学习精华项目汇总》

101.《BAT某企工程师关于文本分类的答疑》

102.《漫谈深度强化学习之基础概念》

103.《漫谈深度强化学习之GridWorld代码实现》

104.《漫谈深度强化学习之Q-Learning》

105.《漫谈深度强化学习之Q-Learning, Sarsa代码实践》

106.《漫谈深度强化学习之手写Deep Q-Network解决迷宫问题》

107.《推荐阅读 | 如何让TensorFlow模型运行提速36.8%（续）》

108.《ICLR2017 参会论文导读（机器理解、注意力、记忆网络）》

109.《语音识别领域三十年来重要论文合集及其下载地址》

110.《ICLR2017记忆网络及近期论文导读》

111.《拥有1200多star的项目是什么样的心情》

112.《如何基于TensorFlow实现ResNet和HighwayNet》

113.《Network-in-Network原理及其TensorFlow实现》

114.《ConvLSTM原理及其TensorFlow实现》

115.《时延神经网络(TDNN)原理及其TensorFlow实现》

116.《Maxout Network原理及其TensorFlow实现》

117.《Batch Normalization原理及其TensorFlow实现》

118.《Layer Normalization原理及其TensorFlow实现》

119.《DeepMind wavenet原理及其TensorFlow实现》

120.《SampleRNN语音合成模型》

121.《端对端的深度卷积神经网络在语音识别中的应用》

122.《动态层归一化（Dynamic Layer Normalization）》

123.《小米的语音识别系统是如何搭建的》

124.《完全基于卷积神经网络的seq2seq》

125.《谈谈蚂蚁金服的语音唤醒系统》

126.《详解TensorFlow的新seq2seq模块及其用法》

127.《[DLdigest-1] 有人用量子场论来解释深度神经网络》

128.《[DLdigest-2] AlphaGo Zero是自由的》

129.《[DLdigest-3] Python中让你无法预测的“是”》