深度学习是人工智能最流行的领域之一，《Python深度学习算法实战》就详细介绍了常用的深度学习算法以及如何使用TensorFlow进行编程实现。全书分3部分共11章，其中第1部分首先解释了如何构建自己的神经网络及Python机器学习和深度学习库TensorFlow的相关知识。第2部分先介绍了梯度下降和它的变体，如NAG、AMSGrad、AdaDelta、Adam和Nadam，然后详细介绍了RNN和LSTM的知识，以及如何用RNN生成歌词。接下来，将介绍广泛应用于图像识别任务的卷积神经网络和胶囊网络，最后介绍了如何使用CBOW、skip-gram和PV-DM理解单词和文档的语义。第3部分介绍了各种GAN，包括InfoGAN和LSGAN，以及自动编码器，如CAE、DAE和VAE。《Python深度学习算法实战》介绍了各类深度学习算法及其背后的数学原理，特别适合机器学习工程师、数据科学家、AI开发人员等全面学习深度学习算法知识。

苏达桑·拉维尚迪兰（Sudharsan Ravichandiran），是一位数据科学家、研究员、人工智能爱好者以及YouTuber，获得了Anna大学信息技术学生学位。他的研究领域包括深度学习和强化学习的实现，其中包括自然语言处理和计算机视觉。他曾是一名自由职业的网页开发人员和设计师，所设计开发的网站屡获殊荣，同时也热衷于开源，擅长解答堆栈溢出问题。

第1部分 深度学习入门
第1章 深度学习简介
1.1 什么是深度学习
1.2 生物和人工神经元
1.3 人工神经网络和它的层
1.3.1 输入层
1.3.2 隐藏层
1.3.3 输出层
1.4 探讨激活函数
1.4.1 sigmoid函数
1.4.2 双曲正切函数
1.4.3 修正线性单元函数
1.4.4 渗漏修正线性单元函数
1.4.5 指数线性单元函数
1.4.6 swish函数
1.4.7 softmax函数
1.5 人工神经网络中的前向传播
1.6 人工神经网络是如何学习的
1.7 利用梯度检测调试梯度下降
1.8 将以上所有的东西归纳在一起
1.9 总结
1.10 问题
第2章 了解TensorFlow
2.1 什么是TensorFlow
2.2 理解计算图
2.3 理解会话
2.4 变量、常量和占位符
2.4.1 变量
2.4.2 常量
2.4.3 占位符
2.5 TensorBoard 简介
2.6 创建名称作用域
2.7 使用TensorFlow 对手写数字进行分类
2.7.1 导入所需的代码库
2.7.2 加载数据集
2.7.3 定义每层神经元的数量
2.7.4 定义占位符
2.7.5 前向传播
2.7.6 计算损失和反向传播
2.7.7 计算精度
2.7.8 创建摘要
2.7.9 训练模型
2.8 在TensorBoard中可视化图
2.9 急迫执行简介
2.10 TensorFlow中的数学运算
2.11 TensorFlow 2.0和Keras
2.11.1 Keras
2.11.2 定义模型
2.11.3 编译模型
2.11.4 训练模型
2.11.5 评估模型
2.12 使用TensorFlow 2.0对手写数字进行分类
2.13 我们应该使用Keras还是TensorFlow
2.14 总结
2.15 问题
……
第2部分 基本的深度学习算法
第3部分 高级的深度学习算法