程序员经常访问的一些网站(持续更新中)

网站收藏整理指南:从收藏夹到可持续使用的个人导航页 网站收藏是信息时代常见的知识管理行为,但大多数人只会把链接存进浏览器书签栏,最终变成大量无法检索的“死链接”。真正高效的收藏体系,应当基于使用场景而非网站类型进行分类,通过持续筛选与淘汰,让收藏夹从“存放工具”升级为“个人导航页”。这套方法不仅适用于信息收集爱好者,也适合内容创作者和希望搭建个人主页的用户。结合效率工具与知识管理理念,将采集、整理、输出三阶段分离,并借助更新日志、四连问筛选法等实践技巧,即可构建一份长期可用的高质量网站收藏清单。本文从书签管理痛点出发,系统讲解了分类逻辑、筛选标准、维护节奏与 阅读详情

众所周知,程序员是一个需要不断学习的职业,而幸运的是,在这个互联网时代,知识就在那里,等着我们去获取。

作为一个 收藏从未停止,学习从未开始 的博主 :(doge,秉承着好东西不能独享的态度,把收藏的学习网站整理分享出来。

好,那下面就开始上货了。

一、实战项目

1、老炮说Java

  • 地 址:https://www.laopaojava.com/

  • 简 介:很好的一个Java项目学习教程网站

  • 推荐指数:⭐⭐⭐⭐

图片

网站封面

二、在线教程

首先列出一些在线教程网站,这些在线教程网站通常都比较适合入门,可以作为开发学习路上的第一个阶梯,也可以作为工作中的在线文档。

1、菜鸟教程

  • 地 址:https://www.runoob.com/

  • 简 介:在线教程网站,前端学习看这两个网站就够了。

  • 推荐指数:⭐⭐⭐

图片

网站封面

2、易百教程

  • 地 址:https://www.yiibai.com/

  • 简 介:内容比较全面的在线教程网站。

  • 推荐指数:⭐⭐⭐

图片

网站封面

3、码农教程

  • 地 址:http://www.manongjc.com/

  • 简 介:大量IT编程入门教程(JAVA, PHP, JAVASCRIPT, C, C++, HTML, CSS等)。

  • 推荐指数:⭐⭐⭐

网站封面

4、简单教程

  • 地 址:https://www.twle.cn/

  • 简 介:大量IT编程入门教程(前端、移动端、Java、.net等)。

  • 推荐指数:⭐⭐⭐

网站封面

5、Break易站

  • 地 址:https://www.breakyizhan.com/

  • 简 介:比较多的编程教程(Java、前端、服务端部署等)。

  • 推荐指数:⭐⭐⭐

网站封面

6、C语言中文网

  • 地 址:http://c.biancheng.net/

  • 简 介:以C语言为主,也包含数据结构、C++、Linux等。

  • 推荐指数:⭐⭐

  • 搜索公纵号:MarkerHub,关注回复[ vue ]获取前后端入门教程!

网站封面

7、http://jenkov.com

  • 地 址:http://tutorials.jenkov.com/

  • 简 介:一个国外的技术网站,提供了非常不错的Java教程。

  • 推荐指数:⭐⭐⭐

网站封面

8、http://baeldung.com

  • 地 址:https://www.baeldung.com/

  • 简 介:也是一个国外的技术网站,提供了非常不错的Java教程。

  • 推荐指数:⭐⭐⭐

网站封面

三、视频教程

上面的在线教程网站以文字性内容为主,同样收藏了一些以视频为主的一些网站,相比较而言,更容易上手,当然,也更加耗时间。

1、B站

  • 地 址:https://www.bilibili.com/

  • 简 介:众所周知,bilibili也可以用来学习,除了番剧、鬼畜之外,b站同样有非常多的高质量的编程教学视频。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

2、慕课网

  • 地 址:https://www.imooc.com/

  • 简 介:比较不错的编程视频教学网站,可以找到比较体系的东西,当然,有些内容要花钱就是了。

  • 推荐指数:⭐⭐⭐

  • 搜索公纵号:MarkerHub,关注回复[ vue ]获取前后端入门教程!

网站封面

3、中国大学MOOC

  • 地 址:https://www.icourse163.org/

  • 简 介:有很多名校的课程,当然不止CS。

  • 推荐指数:⭐⭐⭐⭐

网站封面

4、网易云课堂

  • 地 址:https://study.163.com

  • 简 介:有一些计算机编程方面的视频教程。

  • 推荐指数:⭐⭐⭐

网站封面

5、实验楼

  • 地 址:https://www.lanqiao.cn/courses/

  • 简 介:IT技术课程网站。

  • 推荐指数:⭐⭐

网站封面

6、我要自学网

  • 简 介:比较多的自学教程,有程序设计内容的分类。

  • 推荐指数:⭐⭐

网站封面

7、大学生自学网

  • 地 址:http://v.dxsbb.com/jisuanji/

  • 简 介:有一些计算机软件的大学课程。

  • 推荐指数:⭐⭐

网站封面

8、极客学院

  • 地 址:https://www.jikexueyuan.com/

  • 简 介:IT编程课程网站,付费内容居多。

  • 推荐指数:⭐⭐

网站封面

四、电子书

学习编程,有些书是必须要看的,实体书就不多说了,某宝、某东等等电商平台都能买到。

如果是想做一些笔记或者不方便携带纸质书的时候,电子书也是个不错的选择。

1、图灵社区

  • 地 址:https://www.ituring.com.cn/

  • 简 介:书籍比较全面的图书社区,电子书的价格是纸质书的一半。

  • 推荐指数:⭐⭐⭐

网站封面

2、博文视点

  • 地 址:http://www.broadview.com.cn/

  • 简 介:博文视点也是有一些好书的。

  • 推荐指数:⭐⭐⭐

网站封面

3、书栈网

  • 地 址:https://www.bookstack.cn/

  • 简 介:一个开源书籍和文档分享站点。

  • 推荐指数:⭐⭐

网站封面

4、计算机书籍控

  • 地 址:http://bestcbooks.com/

  • 推荐指数:⭐

网站封面

5、it熊猫

  • 地 址:https://itpanda.net/book/

  • 推荐指数:⭐

网站封面

五、官网

毫无疑问,一项技术,最权威的文档一定是它的官方文档,所有的教程、书籍都是直接或者间接在官方相关文档的基础上完成。所以,编程学习,后面最好还是要看官网的。当然,官网大部分都是英文——其实配合一些翻译插件,没有想象中的那么难。

1、Java

  • 简 介:这个不需要多介绍,Java官网和Java官方API。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

网站封面

2、Spring

  • 地 址:https://spring.io/

  • 简 介:毫无疑问Spring已经成为Java EE事实上的标准。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

3、MySQL

  • 地 址:https://www.mysql.com/

  • 简 介:MySQL官网

  • 推荐指数:⭐⭐⭐⭐

网站封面

4、MyBatis

  • 地 址:https://mybatis.org/mybatis-3/zh/index.html

  • 简 介:国内最流行的Java持久层框架,而且幸运的是,MyBatis文档是有中文版的。

  • 推荐指数:⭐⭐⭐⭐

网站封面

5、Vue.js

  • 地 址:https://cn.vuejs.org/

  • 简 介:国内最流行的JS框架,Vue.js的文档是中文的。

  • 推荐指数:⭐⭐⭐⭐

网站封面

6、Linux

  • 地 址:https://www.linux.org/

  • 简 介:后端程序员必会的Linux.

  • 推荐指数:⭐⭐⭐⭐

网站封面

7、Git

  • 地 址:https://git-scm.com/

  • 简 介:版本管理推荐用Git,同样有中文版本的文档。

  • 推荐指数:⭐⭐⭐⭐

网站封面

8、Dubbo

  • 地 址:http://dubbo.apache.org/zh-cn/

  • 简 介:一款高性能的Java RPC框架,国内用的还是比较广泛,源于阿里,中文文档是有的。

  • 推荐指数:⭐⭐⭐⭐

网站封面

9、Redis

  • 地 址:https://redis.io/

  • 简 介:最流行的No SQL数据库。

  • 推荐指数:⭐⭐⭐⭐

网站封面

六、国内博客社区

了解技术动态、解决各种问题都会用到技术博客。

1、优快云

  • 地 址:https://blog.youkuaiyun.com/

  • 简 介:最大的中文技术博客社区,内容较多较杂。

  • 推荐指数:⭐⭐

网站封面

2、博客园

  • 地 址:https://www.cnblogs.com/

  • 简 介:老牌中文技术博客社区,商业化气息要淡一些,之前广为诟病的UI风格也在今年进行了改进,自定义主题也让能让博客百花争艳。

  • 推荐指数:⭐⭐⭐

网站封面

3、简书

  • 地 址:https://www.jianshu.com/

  • 简 介:并不是纯粹的技术博客社区,很多伤春悲秋的东西。

  • 推荐指数:⭐⭐

4、思否

  • 地 址:https://segmentfault.com/

  • 简 介:包含博客、问答的技术社区。

  • 推荐指数:⭐⭐⭐

网站封面

5、开源中国

  • 地 址:https://www.oschina.net

  • 简 介:一个技术博客社区。

  • 推荐指数:⭐⭐⭐

网站封面

6、51CTO

  • 地 址: https://www.51cto.com/

  • 简 介:一个IT技术网站。

  • 推荐指数:⭐⭐

网站封面

7、V2EX

  • 地 址: https://www.v2ex.com

  • 简 介:页面风格很朴素,13格很高。

  • 推荐指数:⭐⭐

网站封面

8、腾讯云社区

  • 地 址: https://cloud.tencent.com/developer

  • 简 介:腾讯云的开发者社区。

  • 推荐指数:⭐⭐

网站封面

9、阿里云社区

  • 地 址: https://yq.aliyun.com

  • 简 介:阿里云的开发者社区。

  • 推荐指数:⭐⭐

网站封面

10、开发者头条

  • 地 址: https://toutiao.io/

  • 简 介:一个程序员分享平台。

  • 推荐指数:⭐⭐⭐

11、GitChat

  • 地 址:https://gitbook.cn/

  • 简 介:一个技术博客社区

  • 推荐指数:⭐⭐

网站封面

12、知乎

  • 地 址: https://www.zhihu.com/

  • 简 介:知乎是个综合性的问答社区,但是聚集的程序员也比较多,有一些高质量的问答和专栏。

  • 推荐指数:⭐⭐⭐

网站封面

七、国外技术博客社区

上面介绍了一些国内的博客社区,事实上,放眼看世界也很重要。

1、Stack Overflow

  • 地 址: https://stackoverflow.com/

  • 简 介:全球最活跃的程序员技术问答交流社区,有人说程序员的所有问题都能在上面找到答案。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

2、http://dev.io

  • 地 址: https://dev.to/

  • 简 介:不错的技术社区。

  • 推荐指数:⭐⭐⭐⭐

网站封面

3、DZone

  • 地 址: https://dzone.com/

  • 简 介:http://DZone.com是世界上最大的在线社区之一。

  • 推荐指数:⭐⭐⭐

网站封面

4、Bytes

  • 地 址: https://bytes.com/

  • 简 介:一个面向开发人员和IT专业人员的交流社区。

  • 推荐指数:⭐⭐⭐

网站封面

5、Google Developers

  • 地 址: https://developers.google.com/

  • 简 介:google开发社区。

  • 推荐指数:⭐⭐⭐

网站封面

八、小微型博客

上面列出的博客都是比较大型、综合的博客社区,实际上还有很多比较优质某个技术分类的博客、大厂技术博客、小而美的博客。这些博客可能也会发布到各大博客社区,但是这些博客网站风格不一,各有个性。

1、美团技术团队

  • 地 址: https://tech.meituan.com/

  • 简 介:美团技术团队的博客,干货满满。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

2、阮一峰的网络日志

  • 地 址: http://www.ruanyifeng.com/blog/

  • 简 介:大神阮一峰,博客风格真正做到深入浅出。

  • 推荐指数:⭐⭐⭐⭐⭐

网站封面

3、Web前端导航

  • 地 址: http://www.alloyteam.com/nav/

  • 简 介:比较全的Web前端导航,包括 团队组织 、开发社区 、 前端门户、框架类库 等等网站的导航。

  • 推荐指数:⭐⭐⭐

网站封面

4、廖雪峰的官方网站

  • 地 址: https://www.liaoxuefeng.com/

  • 简 介:廖雪峰老师的网站,有一些不错的入门教程。

  • 推荐指数:⭐⭐⭐

网站封面

5、酷壳

  • 地 址: https://coolshell.cn/

  • 简 介:可以了解陈皓,是个很有个性的人。

  • 推荐指数:⭐⭐⭐

网站封面

6、人工智能社区

  • 地 址: https://www.captainbed.net/blog-neo/

  • 简 介:不搞人工智能也可以看看,写的很有意思的教程,可以作为科普看看。

  • 推荐指数:⭐⭐⭐

图片

网站封面

九、开源社区

在学习的过程中,可以学习开源社区的优秀项目,也可以把自己的项目发布到开源社区。

1、GitHub

  • 地 址: https://github.com/

    简 介:全球最大开源社区,被戏称为全球最大同性交友网站。

    推荐指数:⭐⭐⭐⭐⭐

图片

网站封面

2、码云

  • 地 址: https://gitee.com/

  • 简 介:可以看做GitHub的国内版,码云是个不错的替代者。

  • 推荐指数:⭐⭐⭐⭐

图片

网站封面

10、面试刷题

1、LeetCode

  • 地 址: https://leetcode-cn.com/

  • 简 介:经典的刷题网站,主要是算法题。

  • 推荐指数:⭐⭐⭐⭐⭐

图片

网站封面

2、LintCode

  • 地 址: https://www.lintcode.com/

  • 简 介:和LeetCode类似

  • 推荐指数:⭐⭐⭐⭐

图片

网站封面

3、牛客网

  • 地 址: https://www.nowcoder.com/

  • 简 介:一个联网求职学习交流社区。

  • 推荐指数:⭐⭐⭐

图片

web开发网站收藏,持续更新 1、三种前端实现 VR 全景看房方案: https://juejin.cn/post/6973865268426571784 阅读详情

相关推荐

前端开发学习及工具网站(持续更新)

前端开发学习及工具网站 该文章主要是记录前端开发中好的学习网站或者工具网站 大部分实用网站来源抖音鱼皮大佬分享,这里分享给大家 1、w3cschool(编程狮) 这个网站适合0基础学前端的同学,内容简单易懂,在闯关中进行学习,能够刺激你的学习欲望,可以在这里进行HTML+CSS+JS以及一些前端框架的简单学习,闯关成功还能获得证书哦 2、freeCodeCamp 这个网站可以说是w3cschool的升级版闯关网站,除了前端,还包括程序员必备的算法、数据结构、微服务、信息安全等知识。里面的内容相比于

弓长于水的博客 1万+

收藏网站【持续更新...】

1、https://masuit.com/ 说明:应改是博主自己开发的网站,上面有很多好用的东西,也可以查看此网站的源码作为学习技术的一种方式 2、https://www.connectionstrings.com/ 连接各种数据库字符串的示例,上面真的有好多   ...

芝麻麻雀-Asp.Net学习之路 8万+

程序员如何实现财富自由系列之:利用程序员技能进行网站开发和销售

作者:禅与计算机程序设计艺术 1.简介 在互联网行业里,不仅有大量的高薪聘用技术人员,还有很多优秀的技术人员通过个人能力或个人作品获得收入和利润。2017年国内IT企业新增就业人数超过9万万人次,其中80%以上为程序员。而从事程序员工作需要熟练掌握各种编程语言、软件工程理论、计算机网络知识、数据库设计及

AI天才研究院 1847

收藏不错的网址(不断更新)

博客类: http://www.koohik.com/ http://www.juzhiec.net/ MD5破解版: http://www.cmd5.com 安全类: http://www.wooyun.org

koohik的专栏 49万+

Mybatis系列学习源码

Mybatis系列学习源码 详细学习系列请参考http://www.cnblogs.com/daviddai/p/3485574.html

从ABS到EBS再到AEBS:商用车制动安全系统的“三代同堂”与技术演进史

本文详细解析了商用车制动安全系统从ABS到EBS再到AEBS的技术演进历程。通过对比三代系统的性能差异和应用效果,揭示了电子控制单元(ECU)在提升制动精度和安全性的核心作用,并展望了智能制动技术的未来发展趋势。

weixin_42651748的博客 330

必看,程序员应该访问的最佳网站

【公众号回复 “1024”,免费领取程序员赚钱实操经验】大家好,我是章鱼猫。今天给大家推荐的这个项目是「Best-websites-a-programmer-should-visit-z...

非著名程序员 1168

避开SiC MOSFET驱动设计的3个大坑:电流/电阻/电压配置全指南

本文深入解析SiC MOSFET驱动设计中的三大关键参数:驱动电流、栅极电阻和工作电压,揭示常见设计误区与优化方案。通过实际案例与数据对比,指导工程师避开第三代电力电子半导体应用中的典型陷阱,提升系统可靠性与效率。特别针对驱动电源配置、栅极电阻选型等核心问题提供可落地的解决方案。

weixin_29214199的博客 384

资深程序员常看的网站

资深程序员在日常工作中,会频繁访问一些专业网站来获取技术资讯、学习新知识、交流经验以及寻找解决问题的方法。

weixin_1079718670的博客 1310

benders分解算法 逻辑思路整理(加星)

一般我们经常可以看到的是经典的benders,此处我也结合经典的benders梳理下思路。

sinat_41348401的博客 7988

从门禁到支付:Uniapp+NFC开发避坑指南(支持Mifare Classic)

本文详细介绍了Uniapp结合NFC技术开发门禁与支付系统的实战指南,特别针对Mifare Classic卡片进行深度优化。内容涵盖环境配置、设备兼容性处理、卡片安全机制解析以及高性能读写优化策略,帮助开发者快速实现跨平台的智能硬件交互解决方案。

t1u2v的博客 751

SEO最佳实践:如何有效提升你的网站排名?

本文深入探讨了 SEO 的最佳实践,包括关键字研究、网站优化、内容创作、移动适应性、本地 SEO 和持续的性能监测。通过结合这些策略,指导读者如何有效提升网站在搜索引擎中的排名,增加可见性,以及吸引更多的目标受众访问。此外,还强调了 SEO 是一个需要持续努力和更新的长期过程。

何书悦的技术博客 7875

macOS Monterey官方镜像高速下载指南(附迅雷链接+兼容性清单)

本文提供macOS Monterey官方镜像的高速下载指南,重点介绍利用迅雷等工具加速下载官方安装包的有效方法。同时,详细列出了系统兼容性清单,帮助用户在下载前确认设备支持,并分享了从下载、验证到安全安装的完整流程与常见问题解决方案。

j7k8l的博客 2189

揭秘工作多年的程序员大佬们经常逛的网站有哪些?

那些传说中的程序员大佬们,经常逛的网站有哪些呢? 据说,知道了以下这些网站,就离成为程序员大佬不远了,来,一起看看你都知道几个? 你觉得程序员应该逛的网站 既然是经常逛的网站,那必须是冲着学习去的啊,对吧,一切以提升自己的技术实力为主,那么,要是问你,你经常逛的网站都有什么啊,你也许会说大致有以下这些吧: 优快云,老牌技术社区了,在上面写博客,学技术都是很不错的。 博客园啊,也是一个知名的博客网站了,很多高质量文章,值得一逛。 掘金呐,后起之秀了。 也可以水水知乎的,挺不错的。 然后就是刷题Leet.

庆哥Java的优快云技术博客 4192

实测对比:DECIMER、Img2Mol、MolScribe,哪个化学结构识别工具更靠谱?

化学结构识别(CSR)工具的核心任务是将分子结构图像转换为SMILES(Simplified Molecular Input Line Entry System)表示。这一过程需要克服图像质量差异、绘制风格变化以及特殊基团识别等挑战。三款工具采用不同的技术路线:DECIMER:基于EfficientNetV2+Transformer架构,优势在于处理标准期刊文献中的分子图示Img2Mol。

weixin_32576389的博客 347

YOLOv12环境配置,手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图),全文最详细教程

YOLO 系统尊嘟太卷了吧,YOLOv11 还没完明白,YOLOv12 就重磅来袭,YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布,从 YOLOv12 论文题目我们大概就知道做了那些更新 ,下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制(area-attention):通过引入十字形窗口自我注意机制,沿水平和垂直条纹计算注意力机制,纵横交错的注意机制。如下图所示,区域注意力采用最多简单的等分方法,将特征地图垂直或水平划分为 L 个区域。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 6万+

PHP自学---黑马程序员笔记【持续更新】

视频:https://www.bilibili.com/video/BV18x411H7qD?p=3 目录基础1、静态网站访问原理:2、动态网站访问3、C/S、B/S4、MySQL访问流程5、PHP连接MySQL数据库6、配置虚拟主机基础语法初步语法变量变量的使用变量命名规则预定义变量可变变量变量传值分区值传递引用传递常量常量的基本概念常量定义的形式定义方式常量命名规则:系统常量数据类型PHP八大数据类型类型转换两种转化方式:转换说明:整数类型浮点数类型 基础 Web分为两类:静态网站和动态网站。流程:浏览

Luminous_song的博客 2631

Magisk如何针对性隐藏Root避免被检测

Magisk隐藏特征码有两种途径,一种是通过插件,一种是定制源码。插件的方式相对简单,但是使用范围也有限,好处是成本低好上手。定制源码难度大,成本高,好处是稳定,后续也好更新维护。

zhonglunshun的专栏 1万+

“宝藏”,实用网站整理 - 持续更新ing

本文着重于寻找一些“鲜为人知”的实用网站,像那些Github、bilibili、MOOC等知名网站大家都了解。那些知名网站确实有用,但不代表这些“小众”的网站就没有价值。 我愿尽己之力,尽可能搜罗一些实用的“宝藏”网站,分享给大家!

小北的博客 1711

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Best-websites-a-programmer-should-visit:程序员必备的优秀网站集合

Best-websites-a-programmer-should-visit:程序员必备的优秀网站集合 在程序设计的世界里,掌握最新技术、学习新知识是每个程序员必备的能力。那么,有哪些网站是程序员们应当访问,以保持对技术的敏锐度和学习能力呢?本文将向您推荐一个开源项目,它整理了众多对程序员有用的网站资源,助您在编程路上更进一步。 项目介绍 "Best-websites-a-progra...

gitblog_00725的博客 445

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

一些实用的网站...持续更新

链接:

PythonWHN的博客 1829

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

那些好用到手软的软件和网站(持续更新)

目录操作系统系统安全/优化视频vedio音乐music浏览器办公编辑即时通讯下载压缩/解压实用网站思维导图远程办公编辑器开发工具数据库设计远程ssh虚拟机代码托管项目管理接口测试云服务器服务器环境搭建网站分享待更新... ... I am a 程序猿儿,新年第一篇,今天推荐一下那些大神平常使用的电脑软件和工具类网站,让你秒变大神。 下面的整理前面部分是基础的软件,做不做技术都需要安装的一些,后面部分是对程序猿推荐的一些开发软件和插件。 操作系统 1、微软正版win10系统安装:bai度搜索--下载...

gman344的博客 943

程序员常用的一些网站使用指南

我认为作为一个程序员,必须保持时刻学习的心。 个人整理了一些有关于程序员常用的一些网站,希望对你们有所帮助 文章目录社区资讯教程类编辑器刷题类工具类 社区资讯 Stack Overflow(必须) 有不懂的代码问题,可以用这个,如果Stack Overflow请问比较慢,可以看我的相关博文【解决stackoverflow访问慢问题】 github(必须) 这个不用多说了吧,代码托管网站,全球...

毫无遗憾的帅哥 372

开源项目“程序员必访的最佳网站”指南

本项目旨在收集并整理一系列对程序员极其有用且值得访问的网站列表,涉及编程语言学习、代码编辑、设计以及技术分享等多个方面。下面是对项目主目录及其子文件的详细介绍: ### 主目录 - **`.github`**: 此目录包含了与GitHub相关的元数据,如拉取请求模板和工作流程。 - **`_config.yml`**: Jekyll 配置文件用于自动生成HTML页面。 - **`cod...

gitblog_00059的博客 1078

2025年前端学习路线、网站推荐及开发快捷键记录(持续更新中)

html+CSS+javascript+Vue前段学习网站

m0_45020691的博客 1628

终极Linux学习资源大全:程序员必备的10个最佳网站指南

作为一名程序员,掌握Linux技能是职业生涯中至关重要的环节。Linux操作系统在服务器、云计算、容器化等领域占据主导地位,学习Linux不仅能提升你的技术能力,还能为职业发展打开更多机会。本文将为你推荐程序员应该访问的最佳网站中文版中精选的Linux学习资源,帮助你快速掌握这一必备技能。🚀 ## 📚 为什么Linux对程序员如此重要 在当今的技术环境中,Linux已成为企业级应用的首选平

gitblog_00559的博客 1251
上一篇: SSM框架实现的支付宝支付功能
下一篇: SpringBoot+ Dubbo + Mybatis + Nacos +Seata整合来实现Dubbo分布式事务
神盾局码农
博客等级 码龄20年 12粉丝 5原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值