本书包含六大部分：第一部分主要介绍深度学习Python语言的基础知识，讲述Python基本语法（输入、输出、数据类型、流程控制、函数、文件和目录）、数组计算（NumPy库）、绘图库（Matplotlib库）等；第二部分主要介绍Keras编程基础，以及Keras中提供的大量的深度学习API；第三部分主要介绍数据处理方法，包括对类别的数据处理方法和对特征的数据处理方法，以及对缺失数据处理方法等；第四部分主要介绍各种深度模型原理及应用Keras搭建各种深度学习模型的方法，如卷积神经网络、循环神经网络等；第五部分主要介绍模型训练中的一些超参数及技巧；第六部分主要介绍深度学习模型的应用，包含深度学习解决分类问题、回归问题、自然语言处理问题等。
本书可作为本科生、研究生学习深度学习的入门教材使用，也可以为广大有志于从事深度学习科研工作的科研工作者提供通俗、易懂、全面的学习材料。

第l章 Python语言程序设计基础
1.1 Python开发环境简介
1.2 Python编程基础
1.3 Python基本数据类型
1.3.1 数字
1.3.2 字符串
1.3.3 列表
1.3.4 元组
1.3.5 字典
1.3.6 集合
1.4 赋值
1.5 流程控制
1.5.1 关系运算符和逻辑运算符
1.5.2 分支结构
1.5.3 循环结构
1.6 函数
1.7 文件和目录方法
1.8 NumPy库的使用
1.8.1 NumPy模块简介
1.8.2 N维数组对象：ndarray
1.8.3 ndarray数组的创建方法
1.8.4 ndarray数组的属性
1.8.5 ndarray数组的变换
1.8.6 ndarray数组的运算操作
1.8.7 ndarray数组的索引和切片
1.8.8 NumPy中的常见函数
1.9 Matplotlib库的使用
1.9.1 绘制坐标图
1.9.2 绘制饼状图
1.9.3 绘制条形图
1.9.4 绘制散点图
第2章 Keras基础
2.1 Keras简介与安装
2.2 Keras的API
第3章 Keras网络层
3.1 常用层
3.1.1 Dense层
3.1.2 Activation层
3.1.3 Dropout层
3.1.4 Flatten层
3.1.5 Reshape层
3.1.6 Permute层
3.1.7 RepeatVector层
3.1.8 Lambda层
3.1.9 ActivityRegularization层
3.2 卷积层
3.2.1 Conv1D层
3.2.2 Conv2D层
3.2.3 Conv3D层
3.2.4 SeparableConv1D层
3.2.5 SeparableConv2D层
3.2.6 DepthwiseConv2D层
3.2.7 Conv2DTranspose层
3.2.8 Cropping1D层
3.2.9 Cropping2D层
3.2.10 Cropping3D层
3.2.11 UpSampling1D层
3.2.12 UpSampling2D层
3.2.13 UpSampling3D层
3.2.14 ZeroPadding1D层
3.2.15 ZeroPadding2D层
3.2.16 ZeroPadding3D层
3.3 池化层
3.3.1 MaxPooling1D层
3.3.2 MaxPooling2D层
3.3.3 MaxPooling3D层
3.3.4 AveragePooling1D层
3.3.5 AveragePooling2D层
3.3.6 AveragePooling3D层
3.3.7 GlobalMaxPooling1D层
……
第4章 数据预处理
第5章 Keras模型搭建法
第6章 利用Keras搭建卷积神经网络
第7章 利用Keras搭建递归神经网络
第8章 模型训练
第9章 应用