李明军，曾就职于亿阳信通、神州泰岳、中国惠普等公司。从事大数据分析、人工智能等相关领域的工作。在知乎上发表过多篇技术文章，对大数据分析、人工智能、数据治理有着丰富的经验。

篇基础篇
章深度学习基础
1.1人工智能与机器学习1
1.2机器是怎样学习的3
1.3机器学习实战6
1.4机器学习的教材10
1.5机器学习的分类11
1.6本章小结15
第2章深度学习原理
2.1什么是深度学习17
2.2为什么需要深度学习17
2.3深层神经网络21
2.4深层神经网络训练24
2.5深层神经网络优化35
2.6本章小结40
第3章TensorFlow安装
3.1在macOS上安装TensorFlow41
3.2在Windows上安装TensorFlow49
3.3在Ubuntu上安装TensorFlow52
3.4本章小结64
第4章TensorFlow入门
4.1TensorFlow编程环境65
4.2TensorFlow运行机制66
4.3数据类型——张量78
4.4数据操作86
4.5使用Estimator开发112
4.6使用LinearEstimator的示例126
4.7本章小结136
第5章手写数字识别
5.1MNIST数据集简介137
5.2手写数字识别示例143
5.3手写数字识别优化152
5.4寻找最优模型165
5.5本章小结176
第2篇发展演变篇
第6章图像识别
6.1CIFAR数据集简介178
6.2ImageNet数据集简介180
6.3图像识别的关键及特点182
6.4卷积神经网络原理184
6.5卷积神经网络构建188
6.6卷积神经网络示例196
6.7本章小结208
第7章卷积神经网络起源及原理
7.1多层架构209
7.2卷积神经网络210
7.3Neocognitron210
7.4LeNet简介211
7.5本章小结212
第8章AlexNet
8.1网络架构213
8.2主要特点214
8.3后续影响219
8.4本章小结219
第9章VGGNet
9.1网络架构221
9.2主要特点223
9.3其他技巧和贡献224
9.4本章小结228
0章Inception
10.1Inception名称由来229
10.2背景问题分析229
10.3架构设计思路230
10.4网络架构232
10.5Inception实战236
10.6本章小结278
1章Inceptionv2和Inceptionv3
11.1指导原则279
11.2具体措施280
11.3卷积分解280
11.4并行池化282
11.5旁路分类器284
11.6批量标准化284
11.7低分辨率输入的性能287
11.8其他技巧288
11.9网络架构288
11.10后续影响290
11.11Inceptionv2实战291
11.12Inceptionv3实战301
11.13本章小结320
2章ResNet
12.1退化问题321
12.2原因分析322
12.3残差模块322
12.4降采样残差模块323
12.5网络架构324
12.6ResNet实战326
12.7主要优点334
12.8本章小结334
3章Inceptionv4
13.1Inceptionv4网络架构335
13.2Inception-ResNet模块336
13.3Inception-ResNet网络架构337
13.4主要贡献338
13.5本章小结338
4章DenseNet
14.1DenseNet网络339
14.2网络架构340
14.3实现方法344
14.4主要优点346
14.5DenseNet实战347
14.6本章小结354
第3篇前沿篇
5章生成对抗神经网络
15.1生成对抗神经网络简介356
15.2生成对抗神经网络实现358
15.3生成对抗神经网络实战361
15.4本章小结376

本书以TensorFlow为核心，分为3篇，共计15章节。第1篇是基础篇（第1-5章），主要介绍什么是深度学习、深度学习的本质是什么、深度学习所使用的教材和方法，以及深度学习在图像识别（MNIST）领域的应用。第2篇是发展演变篇（第6-14章），主要介绍在图像识别领域深度学习技术的发展与演变。主要是以ImageNet挑战赛为线索、以ImageNet挑战赛中的冠军模型为主干，介绍了卷积神经网络的发展历程、遇到的主要挑战、思路和对策，以及各种冠军模型的模型架构与模型训练。第3篇是前沿篇（第15章），介绍了生成对抗神经网络（GAN），它是一种能够自动生成图像的神经网络，这是与之前介绍的各种用于图像识别的卷积神经网络最显著的区别。