×下面资源个人全都跑了一遍，不会出现仅是字符而无法运行的状况，运行环境：

Geoffrey Hinton在多次访谈中讲到深度学习研究人员不要仅仅只停留在理论上，要多编程。个人在学习中也体会到单单的看理论到头来还是一头雾水，只有不断和编程结合，才能检验自己是否掌握了这门知识。但是作为初学者应先以跑通理论为第一要义，所以可以使用有关框架，降低入门难度，避免重复造*。

一、TensorFlow

资源地址：

资源介绍：

资源目录：

二、PyTorch

资源地址：

资源介绍：

这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用少于30行代码实现。 在开始本教程之前，建议先看完Pytorch官方教程。

资源目录：
1.基础知识

• PyTorch基础知识
• 线性回归
• Logistic回归
• 前馈神经网络

2.中级

• 卷积神经网络
• 深度残差网络
• 递归神经网络
• 双向递归神经网络
• 语言模型（RNN-LM）

3.高级

• 生成性对抗网络
• 变分自动编码器
• 神经风格转移
• 图像字幕（CNN-RNN）

4.工具

• PyTorch中的TensorBoard

三、Keras

资源地址：

资源介绍：

资源目录：

总结：

总结

TensorFlow、Pytorch和Keras是目前深度学习的主要框架，也是入门深度学习必须掌握的三大框架，但是官方文档相对内容较多，初学者往往无从下手。本人从github里分别搜到了三个非常不错的学习资源，并对资源进行本地运行实践，避免github上大部分资源仅仅只是存在而无法运行的尴尬。少走点坑和弯路，以及能够及时看到结果，是一个在煎熬中的初学者最希望得到的东西。建议初学者下载学习，这些资源包含了大量的代码示例（含数据集），个人认为，只要把以上资源运行一次，不懂的地方查官方文档，很快就能理解和运用这三大框架。