本书分为两篇，基础篇主要讲解深度学习的理论知识，实战篇是代码实践及应用。基础篇(第1-13章)包括由传统机器学习到深度学习的过渡、图像分类的数据驱动方法、Softmax损失函数、优化方法与梯度、卷积神经网络的各种概念、卷积过程、卷积神经网络各种训练技巧、梯度反传、各种卷积网络架构、递归神经网络和序列模型、基于深度学习的语言模刑生成模刑生成对抗网络等内容；实战篇(第14-19章)包括应用卷积神经网络进行图像分类、各种网络架构、网络各层可视化、猫狗图像识别、文本分类、GAN图像生成等。并列题名：Deep learning eng