本书介绍深度学习的基础知识和相关技术，内容涉及近几年深度学习领域的研究热点问题，主要有深度学习、神经网络及其发展历史，机器学习的评价指标及算法的类型，前馈神经网络、反向传播算法和卷积神经网络及其相关技术，AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet等现代卷积神经网络模型和可以处理序列信息的循环神经网络模型及其实现。针对深度学习的实现问题，分析网络优化与正则化的相关方法，并列举3个基于Python的实战演练案例，包括MNIST手写数字分类的实现、车辆识别和人脸识别。