前言
第1章 深度学习概述
1.1 机器学习吞噬计算机科学
1.2 深度学习原型
1.3 深度学习架构
1.4 深度学习框架
1.5 小结
第2章 TensorFlow原型概述
2.1 张量介绍
2.2 TensorFlow中的基本计算
2.3 命令式和声明式编程
2.4 小结
第3章 使用TensorFlow进行线性和Logistic回归
3.1 数学回顾
3.2 学习TensorFlow
3.3 在TensorFlow中训练线性和Logistics模型
3.4 小结
第4章 全连接深层网络
4.1 什么是全连接深层网络？
4.2 全连接网络中的“神经元
4.3 训练全连接神经网络
4.4 在TensorFlow中实现
4.5 小结
第5章 超参数优化
5.1 模型评估与超参数优化
5.2 指标，指标，指标
5.3 超参数调优算法
5.4 小结
第6章 卷积神经网络
6.1 卷积结构概述
6.2 卷积网络的应用
6.3 用TensorFlow训练卷积网络
6.4 小结
第7章 递归神经网络
7.1 递归结构概述
7.2 循环神经元
7.3 递归模型的应用
7.4 神经网络图灵机
7.5 递归神经网络的实际应用
7.6 处理Penn Treebank语料库
7.7 小结
第8章 强化学习
8.1 马尔科夫决策过程
8.2 强化学习算法
8.3 强化学习的局限性
8.4 玩车专tic-tac-toe
8.5 A3C算法
8.6 小结
第9章 训练大型深度网络
9.1 为深度网络自定义硬件
9.2 使用CPU训练
9.3 分布式深度网络训练
9.4 在Cifar 10上与多GPS进行数据并行训练
9.5 小结
第10章 深度学习的未来
10.1 技术行业以外的深度学习
10.2 道德地使用深度学习
10.3 通用人工智能是否迫在眉睫？
1O.4 接下来，何去何从？

作为Google最新的深度学习软件库TensorFlow，通过本书可以学习如何解决各种机器学习问题。如果你有一些基本的线性代数和微积分的背景，这本关于机器学习的实践性很强的书展示了如何设计各类系统，包括图像的目标检测、文本理解，以及潜在药物的属性。
本书通过实践示例教你深度学习的概念，并从根本上帮助你理解深度学习的基础知识。本书是理想的学习实际深度学习模型设计的指南，对于熟悉脚本编程却不需要设计学习算法的专家和科学家也很有帮助。