×下面資源個人全都跑了一遍，不會出現僅是字符而無法運行的狀況，運行環境：
Geoffrey Hinton在多次訪談中講到深度學習研究人員不要僅僅只停留在理論上，要多編程。個人在學習中也體會到單單的看理論到頭來還是一頭霧水，只有不斷和編程結合，才能檢驗自己是否掌握了這門知識。但是作為初學者應先以跑通理論為第一要義，所以可以使用有關框架，降低入門難度，避免重復造輪子。
一、TensorFlow
資源地址：
資源介紹：
資源目錄：
二、PyTorch
資源地址：
資源介紹：
這個資源為深度學習研究人員提供了學習PyTorch的教程代碼大多數模型都使用少於30行代碼實現。 在開始本教程之前，建議先看完Pytorch官方教程。
資源目錄：
1.基礎知識
- PyTorch基礎知識
- 線性回歸
- Logistic回歸
- 前饋神經網絡
2.中級
- 卷積神經網絡
- 深度殘差網絡
- 遞歸神經網絡
- 雙向遞歸神經網絡
- 語言模型（RNN-LM）
3.高級
- 生成性對抗網絡
- 變分自動編碼器
- 神經風格轉移
- 圖像字幕（CNN-RNN）
4.工具
- PyTorch中的TensorBoard
三、Keras
資源地址：
資源介紹：
資源目錄：
總結：
總結
TensorFlow、Pytorch和Keras是目前深度學習的主要框架，也是入門深度學習必須掌握的三大框架，但是官方文檔相對內容較多，初學者往往無從下手。本人從github里分別搜到了三個非常不錯的學習資源，並對資源進行本地運行實踐，避免github上大部分資源僅僅只是存在而無法運行的尷尬。少走點坑和彎路，以及能夠及時看到結果，是一個在煎熬中的初學者最希望得到的東西。建議初學者下載學習，這些資源包含了大量的代碼示例（含數據集），個人認為，只要把以上資源運行一次，不懂的地方查官方文檔，很快就能理解和運用這三大框架。