機械学習 Coursera
https://ja.coursera.org/learn/machine-learning
日本語字幕もあり、最もおすすめ

arXivTimes
https://github.com/arXivTimes/arXivTimes

AISIA AI技術をぱっと理解する（基礎編）連載Blog
https://products.sint.co.jp/aisia/blog
非常に分かりやすくて、勉強になりました。

Variational Autoencoder 徹底解説
https://qiita.com/kenmatsu4/items/b029d697e9995d93aa24

Progressive Growing of GANs for Improved Quality, Stability, and Variation
https://arxiv.org/abs/1710.10196

Arxiv Sanity Preserver
http://www.arxiv-sanity.com/

AIによるアニメ中割生成 – DeNAの「構造的生成学習」を使用したアニメの中割生成技術！
https://3dnchu.com/archives/dena-anime-ai-frame-generated-tech/

Pythonでの数値計算ライブラリNumPy徹底入門
https://deepage.net/features/numpy/

械学習 入門コースの決定版!機械学習エンジニアを目指すならcodexa
https://www.codexa.net/

Introduction to Deep Learning
http://introtodeeplearning.com/

機械学習プロジェクトが失敗する9つの理由
https://tjo.hatenablog.com/entry/2018/08/03/080000

C++ヘッダだけでDeep Learning、tiny-dnnの紹介
https://qiita.com/nyanp/items/11c6bb6fb539486c5069

強化学習の基礎的な考え方と問題の分類
https://www.slideshare.net/yukono1/ss-129668388

horovodのご紹介 ~Tensorflowの分散処理(Distributed Tensorflow)を簡単に実現！！
https://qiita.com/kurosawa1/items/5aeb9efb2eceeb9c8206

Optimizer : 深層学習における勾配法について
https://qiita.com/tokkuman/items/1944c00415d129ca0ee9
深層学習の勾配法 (SGD, Momentum SGD, AdaGrad, RMSprop, AdaDelta, Adam) とは

Optimizer : 最適化手法の検証
https://qiita.com/tokkuman/items/33c66fcff7337a1c0fa8

Residual Network(ResNet)の理解とチューニングのベストプラクティス
https://deepage.net/deep_learning/2016/11/30/resnet.html

U-NetでPascal VOC 2012の画像をSemantic Segmentationする
https://qiita.com/tktktks10/items/0f551aea27d2f62ef708

tensorflowで誤差関数を実装
https://qiita.com/YudaiSadakuni/items/918b08e9c1fb497c96c3

ディープラーニングによる画像の拡大技術
https://www.nttpc.co.jp/gpu/article/technical02.html

【TensorFlow入門】C++から使ってみよう
https://www.sejuku.net/blog/54964

深層学習を使用した単一イメージ超解像処理
https://jp.mathworks.com/help/images/single-image-super-resolution-using-deep-learning.html

Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network
https://arxiv.org/abs/1707.05425

Deep Convolution Networks for Compression Artifacts Reduction
https://arxiv.org/abs/1608.02778

TensorFlow

docker は image からコンテナが作られる。docker run と打てばコンテナが作られる。docker run コマンドはイメージからコンテナを作成するコマンド。つまり、毎回 docker run コマンドを入力すると、毎回新しくコンテナが作成される。

# ダウンロード
docker pull tensorflow/tensorflow:latest-py3-jupyter

# 起動
docker run -it -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter

# Keras のインストール
pip install keras

# pip install
# jupyter notebook で Terminal に入力
pip install scikit-learn

# openCV
# jupyter notebook で Terminal に入力
apt-get install libglib2.0-0

Docker

# docker のリストを表示
docker images

# 起動中のコンテナ表示
docker ps

# 停止のコンテナも表示
docker ps -a

# docker container の開始
docker start ID

# docker container の停止
docker stop ID

# docker container の削除
docker rm ID

# docker image の削除
docker rmi f2db14a79ac4

# docker コンテナの中に入る
docker exec -it name bash
コンテナの中に入る(bashプロセスを立ち上げ、操作できる)
docker exec は対象のコマンドを操作するみたい

参考

Dockerコマンドメモ
https://qiita.com/curseoff/items/a9e64ad01d673abb6866

University College London
http://geometry.cs.ucl.ac.uk/

CreativeAI: Deep Learning for Graphics
http://geometry.cs.ucl.ac.uk/creativeai/

Deep Learning for Graphics – Eurographics 2018
http://geometry.cs.ucl.ac.uk/dl4g

Deep Video Portraits – SIGGRAPH 2018
https://www.youtube.com/watch?v=qc5P2bvfl44

SIGGRAPH Asia 2018: Skills from Videos paper (main video)
https://www.youtube.com/watch?v=4Qg5I5vhX7Q

代表的な機械学習手法一覧
https://qiita.com/tomomoto/items/b3fd1ec7f9b68ab6dfe2

Deep Convolution Networks for Compression Artifacts Reduction
http://mmlab.ie.cuhk.edu.hk/projects/ARCNN.html

Image Super-Resolution Using Deep Convolutional Networks
https://arxiv.org/pdf/1501.00092.pdf

【Deep Learning】ARCNNの論文をツールに通して雑に訳す
http://m-onuot.hatenablog.com/entry/2017/02/25/000000