本书、系统地介绍深度学习相关的技术，包括人工神经网络，卷积神经网络，深度学习平台及源代码分析，深度学习入门与进阶，深度学习高级实践，所有章节均附有源程序，所有实验读者均可重现，具有高度的可操作性和实用性。通过学习本书，研究人员、深度学习爱好者，能够在3 个月内，系统掌握深度学习相关的理论和技术。
本书、系统地介绍深度学习相关的技术，所有章节均附有源程序，所有实验读者均可重现，具有高度的可操作性和实用性。
张重生，博士，教授，硕士生导师，河南大学大数据研究中心、大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、数据流(实时数据分析)。
博士毕业于 INRIA,France(法国国家信息与自动化研究所)，获得博士论文荣誉。2010年08月至2011年3月，在美国加州大学洛杉矶分校(UCLA)，计算机系，师从著名的数据库专家Carlo Zaniolo教授，从事数据挖掘领域的合作研究。 2012-2013,挪威科技大学，ERCIM/Marie-Curie Fellow。
目 录
深度学习基础篇
第1 章 绪论 2
1.1 引言 2
1.1.1 Google 的深度学习成果 2
1.1.2 Microsoft 的深度学习成果 3
1.1.3 国内公司的深度学习成果 3
1.2 深度学习技术的发展历程 4
1.3 深度学习的应用领域 6
1.3.1 图像识别领域 6
1.3.2 语音识别领域 6
1.3.3 自然语言理解领域 7
1.4 如何开展深度学习的研究和应用开发 7
本章参考文献 11
第2 章 国内外深度学习技术研发现状及其产业化趋势 13
2.1 Google 在深度学习领域的研发现状 13
2.1.1 深度学习在Google 的应用 13
2.1.2 Google 的TensorFlow 深度学习平台 14
2.1.3 Google 的深度学习芯片TPU 15
2.2 Facebook 在深度学习领域的研发现状 15
2.2.1 Torchnet ·
