本书是新一代人工智能实践系列教材之一，从基础理论、平台框架、网络模型和模型优化4个方面重点阐述深度学习技术的基础与实践。本书分为4篇8章内容，包括深度学习概述、深度学习原理、深度学习框架、MindSpore实践、卷积神经网络、序列数据建模、模型优化与强化学习实战。
本书可作为人工智能专业、智能科学与技术专业以及计算机类相关专业的本科生及研究生学习深度学习技术的教材，同时也适用于经济、管理等商科专业需要数据计算的学生，以及希望通过自学认证深度学习工程师的人员。

吕建成，博士，教授，四川大学计算机学院（软件学院）院长，国家杰出青年基金获得者，国务院特殊津贴专家，国务院第八届学科评议组成员。2015年至今担任/EEE TNNLS编委（AE）。主要研究领域：神经网络基础理论、自然语言处理、工业智能化、智慧医学、智慧文创等。研究成果在/EEE TNN,/EEETFS,/EEE TEC,IEEE TSMC,IEEE TNNLS,IEEE TSP,IEEE TETCI等期刊和NeurIPS,ICML,ACL,AAA,IJCAI,CVPR,IJCNN等重要国际会议上发表,出版英文专著Subspace Learning of Neural Networks。2019年获得国家自然科学二等奖，2012年获得教育部自然科学一等奖，2011年获得四川省科技进步一等奖，2007年获CCF优秀博士论文奖。

基础理论篇
第1章 深度学习概述
1.1 深度学习基本概念
1.1.1 深度学习与机器学习
1.1.2 深度学习分类
1.2 深度学习的发展历史
1.2.1 机器学习的发展史
1.2.2 神经网络的发展史
1.2.3 深度学习的发展史
1.3 深度学习的应用
1.3.1 深度学习在图像中的应用
1.3.2 深度学习在文本中的应用
1.3.3 深度学习在音频中的应用
小结
习题
第2章 深度学习原理
2.1 生物学启示
2.2 深度学习的网络模型
2.2.1 前馈神经网络
2.2.2 循环神经网络
2.2.3 神经网络结构设计
2.3 学习目标
2.3.1 代价函数
2.3.2 输出表示
2.4 学习算法
2.4.1 Hebb学习规则
2.4.2 反向传播算法
2.4.3 时间步上的反向传播
2.4.4 深度学习的泛化能力
2.5 深度学习技术示例1：解决XOR问题
2.5.1 什么是异或问题
2.5.2 解决异或问题的神经网络结构
2.5.3 得到异或问题的解
2.6 深度学习技术示例2：解决序列数据分类问题
小结
习题
平台框架篇
第3章 深度学习框架
3.1 MindSpore的驱动前提
3.2 MindSpore介绍
3.2.1 框架简介
3.2.2 环境安装与配置
3.2.3 MindSpore实现简单神经网络
3.3 TensorFlow介绍
3.3.1 框架简介
3.3.2 环境搭建
3.4 PyTorch介绍
3.4.1 框架简介
3.4.2 环境搭建
3.5 如何选择好的框架
小结
习题
第4章 MindSpore实践
4.1 概述
4.2 数据
4.2.1 张量
4.2.2 数据集
4.3 模型模块
4.3.1 卷积层
4.3.2 激活函数
4.3.3 池化层
4.3.4 全连接层
4.3.5 平坦层
4.3.6 自定义网络
4.4 数据归化
4.5 损失函数
4.6 优化器
4.7 训练
4.8 模型的保存与加载
4.9 莺尾花实验
小结
习题
网络模型篇
第5章 卷积神经网络
5.1 概述
5.1.1 发展历程
5.1.2 基本架构
5.1.3 重要组件
5.2 从头开始训练个卷积神经网络
5.2.1 数据下载与处理
5.2.2 构建网络
5.2.3 模型训练与测试
5.2.4 数据增强与Dropout
5.3 使用预训练的卷积神经网络
5.3.1 特征提取
5.3.2 模型微调
5.4 卷积神经网络的可视化
5.4.1 可视化中间激活
5.4.2 可视化卷积神经网络的过滤器
5.4.3 可视化类激活的热力图
5.5 自编码器
5.5.1 自编码器的特点
5.5.2 自编码器的降噪作用
5.5.3 变分自编码器
小结
习题
第6章 序列数据建模
6.1 概述
6.2 基本结构
6.3 经典模型
6.3.1 简单循环神经网络
6.3.2 深度循环神经网络
6.3.3 长短期记忆网络
6.4 编程实战
6.4.1 利用MindSpore构建RNN模型实现单词分类任务
6.4.2 基于MindSpore的LSTM-IMDB情感分类分享体验
小结
习题
模型优化篇
第7章 模型优化
7.1 模型压缩
7.1.1 剪枝
7.1.2 低秩分解
7.1.3 模型量化
7.1.4 权值共享
7.1.5 知识蒸馏
7.2 超参数搜索方法
7.2.1 网格搜索
7.2.2 随机搜索
7.2.3 启发式搜索
7.3 编程实战
7.3.1 模型量化实验
7.3.2 参数搜索实验
小结
习题
第8章 强化学习实战
8.1 概述
8.2 基础知识
8.3 经典模型
8.3.1 Q-leaming
8.3.2 DeepQNetwork
8.3.3 PolicyGradient
8.3.4 Actor-Critic
8.4 MindSpore实战
8.4.1 环境配置
8.4.2 算法流程
小结
习题
参考文献