不知不覺，人工智慧已經走入我們的生活，尤其是圖像識別、文本識別、語音辨識、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內容。
本書以Tensor Flow為核心，分為3篇，共計15章節。第1篇是基礎篇（第1~5章），主要介紹什麼是深度學習、深度學習的本質是什麼、深度 學習所使用的教材和方法，以及深度學習在圖像識別（MNIST）領域的應用。第2篇是發展演變篇（第6~14章），主要介紹在圖像識別領域深度學習技術的 發展與演變。
主要是以Image Net挑戰賽為線索、以Image Net挑戰賽中的冠軍模型為主幹，介紹了卷積神經網路的發展歷程、遇到的主要挑戰、思路 和對策，以及各種冠軍模型的模型架構與模型訓練。第3篇是前沿篇（第15章），介紹了生成對抗神經網路（GAN），它是一種能夠自動生成圖像的神經網路， 這是與之前介紹的各種用於圖像識別的卷積神經網路最顯著的區別。
本書講解細緻、深入淺出，即使沒有機器學習的基礎，也能快速學會，同時適合任何對深度學習技術或人工智慧相關領域感興趣的從業人員學習使用。
本書以Tensor Flow為核心，分為3篇，共計15章節。第1篇是基礎篇（第1~5章），主要介紹什麼是深度學習、深度學習的本質是什麼、深度 學習所使用的教材和方法，以及深度學習在圖像識別（MNIST）領域的應用。第2篇是發展演變篇（第6~14章），主要介紹在圖像識別領域深度學習技術的 發展與演變。
主要是以Image Net挑戰賽為線索、以Image Net挑戰賽中的冠軍模型為主幹，介紹了卷積神經網路的發展歷程、遇到的主要挑戰、思路 和對策，以及各種冠軍模型的模型架構與模型訓練。第3篇是前沿篇（第15章），介紹了生成對抗神經網路（GAN），它是一種能夠自動生成圖像的神經網路， 這是與之前介紹的各種用於圖像識別的卷積神經網路最顯著的區別。
本書講解細緻、深入淺出，即使沒有機器學習的基礎，也能快速學會，同時適合任何對深度學習技術或人工智慧相關領域感興趣的從業人員學習使用。