Deep Learning Papers Reading Roadmap（floodsung/Deep-Learning-Papers-Reading-Roadmap）是一份面向深度学习初学者的「论文阅读路线图」，回答「该从哪篇论文读起」的问题。它按「从概览到细节、从经典到当时的前沿、从通用到专门领域」的思路，把深度学习的重要论文按主题（历史与基础、ImageNet/CNN 演进、语音识别、NLP、生成模型、强化学习等）整理成带链接与重要程度星标的清单，并推荐配套《Deep Learning》教材。约 39,498 stars，主语言标为 Python（实为文档/脚本仓库），无明示开源许可。重要前提：仓库最后更新约在 2022 年底，是经典但已停止更新的历史性路线图。
来源：README.md（开头说明、四条指南、论文清单）；GitHub 仓库元数据（stars=39498、license=None、pushed_at 2022-11） 查看 GitHub 仓库 →深度学习入门时面对海量论文无从下手，这份按主题与年代精心排序、带重要程度星标的经典论文路线图极大降低了选读成本，覆盖从 DBN、AlexNet、VGG、ResNet 到语音/NLP/生成模型/强化学习的奠基性工作，长期是入门者收藏的经典清单，因而 star 很高。需明确：它聚焦 2012–2017 年前后的奠基论文，最后更新约在 2022 年，不含近年 Transformer 大爆发后的最新进展；适合打基础而非跟踪前沿。截至数据采集约 39,498 stars。
来源：README.md（开头说明、四条指南、各主题）；GitHub 仓库元数据（stars=39498、pushed_at 2022-11）按历史基础、CNN/ImageNet 演进、语音、NLP、生成模型、强化学习等主题排序论文。
来源：README.md（章节结构）每篇论文标 1–5 星表示重要程度，便于按优先级取舍。
来源：README.md（星标体例）依「从旧到当时前沿、从通用到专门」的指南排序，附 PDF 链接与教材推荐。
来源：README.md（四条指南、Book 推荐）它是一个纯内容/文档仓库：README 按层次组织论文清单——先「深度学习历史与基础」（含教材、综述、DBN、ImageNet 演进的 AlexNet/VGG/GoogLeNet/ResNet、语音识别演进等），再扩展到 NLP、生成模型、强化学习等专门领域；每条目给出作者、标题、出处、PDF 链接与重要程度星标（1–5 星），便于按优先级阅读。仓库另含少量脚本（语言标为 Python，用于下载论文等辅助）。没有独立软件产物，主体是论文索引。
来源：README.md（章节结构、星标体例、论文条目）；GitHub 仓库元数据（language=Python）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
—（以论文链接为主）适合深度学习初学者与转入该领域的工程师/学生：用它规划系统的经典论文阅读路径，理解 CNN、ResNet、语音、NLP、生成模型与强化学习等方向的奠基工作与发展脉络；也适合作为课程/读书会的参考书单或自学清单的起点。要跟踪近年（如大模型/Transformer 之后）的前沿，则需结合更新的资源。
来源：README.md（开头说明、章节结构）本页无版本号；这是内容型论文清单，更新体现在论文条目的增改，但仓库最后更新约在 2022 年 11 月，已基本停止维护，内容以 2017 年前后奠基论文为主。
来源：README.md（论文清单）；GitHub pushed_atDeep Learning Papers Reading Roadmap 是一份经典的深度学习入门论文路线图：按主题与年代把 CNN、ResNet、语音、NLP、生成模型、强化学习等方向的奠基论文排序并标注重要程度，配 PDF 链接与教材推荐，对系统打基础、理解发展脉络很有帮助，社区认可度高。要清楚它聚焦 2012–2017 年前后的奠基工作、最后更新约在 2022 年已停止维护、不含近年大模型前沿、无明示许可。作为入门者的经典论文阅读清单，仍有参考价值，但需结合更新资源跟踪前沿。
来源：综合 README.md 的定位、结构、星标体例与维护现状