全书分为基础篇和实战篇, 包括17章内容和两个附录, 分别为深度学习简介、深度学习框架、机器学习基础知识、ensorFlow深度学习基础、Logistic回归、神经网络基础、卷积神经网络与计算机视觉、神经网络与自然语言处理、搭建卷积神经网络进行图像分类、图像风格迁移、基于RNN的文本分类、基于CNN的视频行为识别、实现对抗性样本生成、实现基于LSTM的情感分析、实现DCGAN、视觉问答、基于TensorTTS的中文语音合成Torch环境搭建、深度学习的数学基础。