本書以深度學習算法入門為主要內容，通過介紹Python、NumPy、SciPy等科學計算庫，深度學習主流算法，深度學習前沿研究，深度學習服務雲平颱構建四大主綫，嚮讀者地介紹瞭深度學習的主要內容和研究進展。本書介紹瞭Python、NumPy、SciPy的使用技巧，麵嚮榖歌推齣的開源深度學習框架TensorFlow，嚮讀者展示瞭利用TensorFlow和Theano框架實現綫性迴歸、邏輯迴歸、多層感知器、捲積神經網絡、遞歸神經網絡、長短時記憶網絡、去噪自動編碼機、堆疊自動編碼機、受限玻爾茲曼機、深度信念網絡等，並將這些技術用於MNIST手寫數字識彆任務。本書不僅講述瞭深度學習算法本身，而且重點講述瞭如何將這些深度學習算法包裝成Web服務。本書旨在幫助廣大工程技術人員快速掌握深度學習相關理論和實踐，並將這些知識應用到實際工作中。

一部分  深度學習算法概述

1章  深度學習算法簡介 2

1.1  神經網絡發展簡史 2

1.1.1  神經網絡一次興起 3

1.1.2  神經網絡沉寂期（20世紀80年代—21世紀） 4

1.1.3  神經網絡技術積纍期（20世紀90年代—2006年） 5

1.1.4  深度學習算法崛起（2006年至今） 8

1.2  深度學習現狀 10

1.2.1  傳統神經網絡睏境 10

1.2.2  深度多層感知器 12

1.2.3  深度捲積神經網絡 14

1.2.4  深度遞歸神經網絡 15

1.3  深度學習研究前瞻 16

1.3.1  自動編碼機 17

1.3.2  深度信念網絡 18

1.3.3  生成式網絡**進展 19

1.4  深度學習框架比較 20

1.4.1  TensorFlow 20

1.4.2  Theano 21

1.4.3  Torch 22

1.4.4  DeepLearning4J 23

1.4.5  Caffe 23

1.4.6  MXNet 24

1.4.7  CNTK 27

1.4.8  深度學習框架造型指導原則 27

1.5  深度學習入門路徑 28

1.5.1  運行MNIST 28

1.5.2  深度學習框架的選擇 29

1.5.3  小型試驗網絡 33

1.5.4  訓練生産網絡 33

1.5.5  搭建生産環境 34

1.5.6  持續改進 35

二部分  深度學習算法基礎

2章  搭建深度學習開發環境 38

2.1  安裝Python開發環境 38

2.1.1  安裝*新版本Python 38

2.1.2  Python虛擬環境配置 39

2.1.3  安裝科學計算庫 40

2.1.4  安裝*新版本Theano 40

2.1.5  圖形繪製 40

2.2  NumPy簡易教程 43

2.2.1  Python基礎 43

2.2.2  多維數組的使用 51

2.2.3  嚮量運算 58

2.2.4  矩陣運算 60

2.2.5  綫性代數 62

2.3  TensorFlow簡易教程 68

2.3.1  張量定義 69

2.3.2  變量和placeholder 69

2.3.3  神經元激活函數 71

2.3.4  綫性代數運算 72

2.3.5  操作數據集 74

2.4  Theano簡易教程 77

2.4.1  安裝Theano 77

2.4.2  Theano入門 78

2.4.3  Theano矩陣相加 79

2.4.4  變量和共享變量 80

2.4.5  隨機數的使用 84

2.4.6  Theano求導 84

2.5  綫性迴歸 86

2.5.1  問題描述 86

2.5.2  綫性模型 88

2.5.3  綫性迴歸學習算法 89

2.5.4  解析法 90

2.5.5  Theano實現 93

3章  邏輯迴歸 100

3.1  邏輯迴歸數學基礎 100

3.1.1  邏輯迴歸算法的直觀解釋 100

3.1.2  邏輯迴歸算法數學推導 101

3.1.3  牛頓法解邏輯迴歸問題 103

3.1.4  通用學習模型 106

3.2  邏輯迴歸算法簡單應用 113