斋藤康毅著的《深度学习入门（基于Python的理论与实现）》是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。
本书适合深度学习初学者阅读，也可作为高校教材使用。

译者序
前言
第1章 Python入门
1.1 Python是什么
1.2 Python的安装
1.2.1 Python版本
1.2.2 使用的外部库
1.2.3 Anaconda发行版
1.3 Python解释器
1.3.1 算术计算
1.3.2 数据类型
1.3.3 变量
1.3.4 列表
1.3.5 字典
1.3.6 布尔型
1.3.7 if语句
1.3.8 for语句
1.3.9 函数
1.4 Python脚本文件
1.4.1 保存为文件
1.4.2 类
1.5 NumPy
1.5.1 导入NumPy
1.5.2 生成NumPy数组
1.5.3 NumPy的算术运算
1.5.4 NumPy的N维数组
1.5.5 广播
1.5.6 访问元素
1.6 Matplotlib
1.6.1 绘制简单图形
1.6.2 pyplot的功能
1.6.3 显示图像
1.7 小结
第2章 感知机
2.1 感知机是什么
2.2 简单逻辑电路
2.2.1 与门
2.2.2 与非门和或门
2.3 感知机的实现
2.3.1 简单的实现
2.3.2 导入权重和偏置
2.3.3 使用权重和偏置的实现
2.4 感知机的局限性
2.4.1 异或门
2.4.2 线性和非线性
2.5 多层感知机
2.5.1 已有门电路的组合
……
第3章 神经网络
第4章 神经网络的学习
第5章 误差反向传播法
第6章 与学习相关的技巧
第7章 卷积神经网络
第8章 深度学习
附录A Softmax-with-Loss层的计算图
参考文献