彭博著的《深度卷积网络原理与实践(全彩印刷)》的特点是：

叙述与代码范例皆会结合笔者的实际经验，如调参经验和网络架构经验，让读者掌握真正具有实用性的技巧。

包括深度卷积网络和AI的重要最新发展，如DenseNet、XCeption、各种GAN变种、预测学习（predictive learning）、Capsule等。书中的许多例子都来自于2017年的最新研究。

对于重要的理论知识，如反向传播（Back Propagation，BP）的推导，本书不会回避，会仔细说明。

本书的行文力求通俗易懂，不会过于抽象。如果读者不熟悉数学，可跳过书中数学推导的部分，因为目前的深度学习框架已很完善，即使不了解数学，同样可以成功训练和使用。

深度卷积网络（DCNN）是目前十分流行的深度神经网络架构，它构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。

彭博著的《深度卷积网络原理与实践(全彩印刷)》以AI领域最新的技术研究和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细的讲解。

以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。

本书在逻辑上分为3个部分：

第一部分综述篇（第1、6、9章）

这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。

第二部分深度卷积网络篇（第2、3、4、5章）

结合作者的实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。

第三部分实战篇（第7、8章）

详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量GAN的精彩实例。

本书的案例代码在GitHub上提供下载，同时读者可在GitHub上与作者交流与本书相关的问题。

前言

引子·神之一手

第1章 走进深度学习的世界

 1.1 从人工智能到深度学习

 1.2 深度神经网络的威力：以AlphaGo为例

1.2.1 策略网络简述

1.2.2 泛化：看棋谱就能学会下围棋

1.2.3 拟合与过拟合

1.2.4 深度神经网络的速度优势

 1.3 深度神经网络的应用大观

1.3.1 图像分类问题的难度所在

1.3.2 用深度神经网络理解图像

1.3.3 AlphaGo中的深度神经网络

1.3.4 自动发现规律：从数据A到答案B

1.3.5 深度神经网络的更多应用

1.3.6 从分而治之，到端对端学习

 1.4 亲自体验深度神经网络

1.4.1 TensorFlow游乐场

1.4.2 MNIST数字识别实例：LeNet-5

1.4.3 策略网络实例

1.4.4 简笔画：Sketch-RNN

1.4.5 用GAN生成动漫头像

 1.5 深度神经网络的基本特点

1.5.1 两大助力：算力、数据

1.5.2 从特征工程，到逐层抽象

1.5.3 深度神经网络学会的是什么

 1.6 人工智能与神经网络的历史

1.6.1 人工智能的两大学派：逻辑与统计

1.6.2 人工智能与神经网络的现代编年史

第2章 深度卷积网络：第一课

 2.1 神经元：运作和训练

2.1.1 运作：从实例说明

2.1.2 训练：梯度下降的思想

2.1.3 训练：梯度下降的公式

2.1.4 训练：找大小问题的初次尝试

2.1.5 训练：Excel的实现

2.1.6 重要知识：批大小、mini-batch、epoch

 2.2 深度学习框架MXNet：安装和使用

 ……

第3章 深度卷积网络：第二课

第4章 深度卷积网络：第三课

第5章 深度卷积网络：第四课

第6章 AlphaGo架构综述

第7章 训练策略网络与实战

第8章 生成式对抗网络：GAN

第9章 通向智能之秘

跋 人工智能与我们的未来

附录 深度学习与AI的网络资源