深度学习框架中蕴藏着惊人的技术和有趣的机制，本书旨在揭开这些技术和机制的神秘面纱，帮助读者正确理解技术，体会它们的有趣之处。为此，本书会带领读者从零开始创建一个深度学习框架——DeZero。DeZero是本书原创的框架，它用最少的代码实现了现代深度学习框架的功能。本书分60个步骤来完成这个框架，在此过程中，读者会加深对PyTorch、TensorFlow和Chainer等现代深度学习框架的理解，看清深度学习框架的本质。
本书沿袭《深度学习入门：基于Python的理论与实现》的风格，语言通俗，代码简洁，讲解详细。在自制框架的过程中，读者还能进一步巩固Python编程和软件开发相关的知识。
本书适合对深度学习框架感兴趣的读者阅读。

斋藤康毅，1984年出生于日本长崎县，东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。

前言
第1阶段 自动微分
步骤1 作为“箱子”的变量
1.1 什么是变量
1.2 实现Variable类
1.3 （补充）NumPy的多维数组
步骤2 创建变量的函数
2.1 什么是函数
2.2 Function类的实现
2.3 使用Function类
步骤3 函数的连续调用
3.1 Exp函数的实现
3.2 函数的连续调用
步骤4 数值微分
4.1 什么是导数
4.2 数值微分的实现
4.3 复合函数的导数
4.4 数值微分存在的问题
步骤5 反向传播的理论知识
5.1 链式法则
5.2 反向传播的推导
5.3 用计算图表示
步骤6 手动进行反向传播
6.1 Variable类的功能扩展
6.2 Function类的功能扩展
6.3 Square类和Exp类的功能扩展
6.4 反向传播的实现
步骤7 反向传播的自动化
7.1 为反向传播的自动化创造条件
7.2 尝试反向传播
7.3 增加backward方法
步骤8 从递归到循环
8.1 现在的Variable类
8.2 使用循环实现
8.3 代码验证
步骤9 让函数更易用
9.1 作为Python函数使用
9.2 简化backward方法
9.3 只支持ndarray
步骤10 测试
10.1 Python的单元测试
10.2 square函数反向传播的测试
10.3 通过梯度检验来自动测试
10.4 测试小结
……
第2阶段 用自然的代码表达
第3阶段 实现高阶导数
第4阶段 创建神经网络
第5阶段 DeZero高级挑战
附录A in-place运算（步骤14的补充内容）
附录B 实现get_item函数（步骤47的补充内容）
附录C 在Google Colaboratory上运行
后记
参考文献