这三黄金博客，看完了就可以，而且博文里提到的链接也要看看，墙裂推荐
CS231n Convolutional Neural Networks for Visual Recognition，知乎站内有中文翻译，再配合keras写几个example
[翻译] 神经网络的直观解释 可以先看看这篇简单直观的解释，然后找些经典的论文，使用一个框架，比如caffe、TensorFlow实际跑一下，经典的模型一般都有现成的。有了实际操作经验，再按自己需求修改就比较简单了。
没空的话看下 http://deeplearning.net/tutorial/deeplearning.pdf CNN tutorial部分。或者lasagne的CNN tutorial部分。 然后读下 AlexNet 和 Residual Net (residual net还有一篇，实现的话就是排列顺序变变）两篇paper就差不多了。 至于优化部分先不用管，大部分包都只需要call一个函数。 其实model的实现也遍地都是。。。
有空的话paper就多了，什么batch normalization, adam, Highway network, google net， fractal net 啥的都看看, 可以参考 Deep Learning Resources。
然后具体应用再去搜具体应用的paper，看看有什么小trick。 就酱。。 cs231n上面的课程关于cnn部分的讲解：CS231n Convolutional Neural Networks for Visual Recognition 在知乎专栏上面的中文翻译：知乎专栏
