熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试实现收敛，而最终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像像人一样思考。如今，几乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究。本文将为大家推荐一系列的资料供大家学习参考。
理论&入门
1. 机器学习和深度学习的最佳框架大比拼
本质上，机器学习框架涵盖用于分类，回归，聚类，异常检测和数据准备的各种学习方法，并且其可以或可以不包括神经网络方法。
2. 强大的PyTorch：10分钟让你了解深度学习领域新流行的框架
今年一月份开源的PyTorch，因为它强大的功能，它现在已经成为深度学习领域新流行框架，它的强大源于它内部有很多内置的库。
3. 简单入门——深度学习笔记（Part I）
本文简单的介绍了神经网络的结构，包含输入层、隐藏层以及输出层；介绍了前向传播过程以及反馈传播过程。
4. 简单入门——深度学习笔记（Part II）
本文简单的介绍了几种神经网络的基本结构以及原理，包含受限玻尔兹曼机、卷积神经网络、循环神经网络等。
5. Windows下如何配置TensorFlow？这有个简单明了的教程（支持GPU哦）
本文介绍的是在windows系统下安装TensorFlow深度学习工具箱的教程。
6. 基于Docker的Tensorflow实验环境
对于初学者而言，从零开始搭建一个TensorFlow学习环境依然具有一些挑战。幸运的是TensorFlow提供了基于Docker的部署方式。
GPU深度学习实践
1. GPU加速深度学习
本文介绍了GPU用于深度学习加速的背景，使用了主流的开源深度学习框架在NVIDIA GPU上实测加速性能，并给出了一些使用建议。
2. 利用Docker和阿里云容器服务轻松搭建TensorFlow Serving集群
本文将带您快速了解Tensorflow Serving的原理和使用，并利用阿里云容器服务轻松在云端搭建TensorFlow Serving集群。
3. 利用阿里云容器服务打通TensorFlow持续训练链路
如果希望一个完整可用的机器学习生产线更加高效和自动化，它还需要在一些基础架构层面的支持。
4. 在阿里云上两分钟玩转AlextNet
AlexNet是深度学习框架常用的性能指标工具，TensorFlow就提供的alexnet_benchmark.py可以测试GPU和CPU上的性能。
5. 在阿里云HPC和容器服务上，像梵高一样作画
利用深度学习，将梵高的风格从他的作品中提取出来，并赋予到我们现有的图片，就可以得到用梵高风格画出来的新的图片。
6. 快速在阿里云上构建机器学习应用
本文主要从深度学习应用发展历史开始谈起，进而介绍了如何结合阿里云容器服务的机器学习解决方案快速打造一套深度学习应用的案例。
7. 打造深度学习的云端实验室
本文介绍的是在基于阿里云容器服务的机器学习解决方案，创建一套基于TensorFlow的Jupyter开发环境。
8. GPU资源的监控和报警，支撑高效深度学习的利器
本文将介绍如何利用阿里云容器服务的机器学习解决方案在几分钟内轻松设置GPU资源使用率，显存使用率和温度的报警机制。
9. 利用TFRecord和HDFS准备TensorFlow训练数据
本文将介绍如何将数据转化为TFRecord格式，并且将生成TFRecord文件保存到HDFS中, 我们直接使用的是阿里云EMR（E-MapReduce）的HDFS服务。
10. 海量吞吐的实时NoSQL—HBase的七剑和20151111圣战(数据脱敏版)
不少开发者在数据IO方面有比较大的困惑，主要是因为很多同学没有很好的理解本地执行TensorFlow代码和分布式云端执行TensorFlow的区别。
阿里云平台介绍
1. GPU云服务器
GPU云服务器是基于GPU应用的计算服务，多适用于视频解码，图形渲染，深度学习，科学计算等应用场景。
2. 阿里云发布异构计算解决方案：弹性GPU实例及FPGA解决方案
阿里云发布的弹性GPU实例和FPGA解决方案。它们能为客户提供高效率、低延迟的实时计算。
3. 为深度学习而生——详解阿里云异构计算GN5规格族
阿里云发布的最新一代异构计算通用GPU实例GN5规格族是一款用于搭建深度学习加速平台的云端利器。
