本書主要講解深度學習和TensorFlow的實戰知識，全書分為10章，主要內容如下：第1章為深度學習概述，包括深度學習的基礎知識、深度學習的生產力實現—TensorFlow、數據模型、TensorFlow項目介紹、TensorFlow工作環境的安裝與運行；第2章為機器學習概述，講解機器學習的定義、任務、性能、經驗、學習算法、線性回歸實例和TensorFlow的完整運行腳本；第3章介紹從生物神經元到感知器的內容，講解基於MCP神經元實現布爾邏輯、感知器、使用感知器做分類等；第4章介紹人工神經網絡，講述的內容包括從感知器到多層感知器、帶有權值的MCP神經元—感知器、反向傳播神經網絡、使用人工神經網絡分類mnist；第5章介紹Logistic回歸與Softmax回歸；第6章介紹捲積神經網絡，講述感知器模式識別、捲積操作、捲積神經網絡的結構、使用TensorFlow實現捲積神經網絡的實例；第7章介紹循環神經網絡，包括循環神經網絡的特徵、有限狀態機、從MCP神經網絡到循環神經網絡等；第8章介紹LSTM循環神經網絡，包括梯度彌散現象、長短期記憶網絡、通過TensorFlow實現一個簡單的LSTM；第9章深入討論TensorFlow，講解機器學習框架、計算圖、神經網絡與計算圖、TensorFlow中的數據流圖、使用GPU、數據可視化工具TensorBoard等；第10章為TensorFlow案例實踐，包括構建TensorFlow的圖片分類系統、準備代碼和訓練集、構造模型計算圖、訓練模型、評估模型的性能、多GPU訓練等。
本書旨在幫助具有較少數學基礎並期望在深度學習上有所作為的學習者，希望為他們提供一個快速上手深度學習的實戰教程。本書適合閱讀的讀者包括相關專業的本科生或研究生，以及不具有機器學習或統計知識背景但想要快速補充深度學習知識，以便在實際產品或平臺中應用的軟件工程師。