彭博著的《深度卷積網絡原理與實踐(全彩印刷)》的特點是：
敘述與代碼範例皆會結合筆者的實際經驗，如調參經驗和網絡架構經驗，讓讀者掌握真正具有實用性的技巧。
包括深度卷積網絡和AI的重要*新發展，如DenseNet、XCeption、各種GAN變種、預測學習（predictive learning）、Capsule等。書中的許多例子都來自於2017年的*新研究。
對於重要的理論知識，如反向傳播（Back Propagation，BP）的推導，本書不會回避，會仔細說明。
本書的行文力求通俗易懂，不會過於抽像。如果讀者不熟悉數學，可跳過書中數學推導的部分，因為目前的深度學習框架已很完善，即使不了解數學，同樣可以成功訓練和使用。

深度卷積網絡（DCNN）是目前十分流行的深度神 經網絡架構，它構造清晰直觀，效果引人入勝，在圖 像、視頻、語音、語言領域都有廣泛應用。 彭博著的《深度卷積網絡原理與實踐(全彩印刷) 》以AI領域最新的技術研究和實踐為基礎，從技術理 論、工作原理、實踐方法、架構技巧、訓練方法、技 術前瞻等6個維度對深度卷積網絡進行了繫統、深入 、詳細的講解。 以實戰為導向，深入分析AlphaGo和GAN的實現過 程、技術原理、訓練方法和應用細節，為讀者依次揭 開神經網絡、卷積網絡和深度卷積網絡的神秘面紗， 讓讀者了解AI的“思考過程”，以及與人類思維的相 同和不同之處。 本書在邏輯上分為3個部分： 第一部分綜述篇（第1、6、9章） 這3章不需要讀者具備編程和數學基礎，對深度 學習和神經網絡的基礎知識、AlphaGo的架構設計和 工作原理，以及深度學習和人工智能未來的技術發展 趨勢進行了宏觀介紹。 第二部分深度卷積網絡篇（第2、3、4、5章） 結合作者的實際工作經驗和案例代碼，對深度卷 積網絡的技術理論、工作原理、實踐方法、架構技巧 和訓練方法做了繫統而深入的講解。 第三部分實戰篇（第7、8章） 詳細分析了AlphaGo和GAN的技術原理、訓練方法 和應用細節，包括詳細的代碼分析和大量GAN的精彩 實例。 本書的案例代碼在GitHub上提供下載，同時讀者 可在GitHub上與作者交流與本書相關的問題。

前言
引子·神之一手
第1章 走進深度學習的世界
1.1 從人工智能到深度學習
1.2 深度神經網絡的威力：以AlphaGo為例
1.2.1 策略網絡簡述
1.2.2 泛化：看棋譜就能學會下圍棋
1.2.3 擬合與過擬合
1.2.4 深度神經網絡的速度優勢
1.3 深度神經網絡的應用大觀
1.3.1 圖像分類問題的難度所在
1.3.2 用深度神經網絡理解圖像
1.3.3 AlphaGo中的深度神經網絡
1.3.4 自動發現規律：從數據A到答案B
1.3.5 深度神經網絡的*多應用
1.3.6 從分而治之，到端對端學習
1.4 親自體驗深度神經網絡
1.4.1 TensorFlow遊樂場
1.4.2 MNIST數字識別實例：LeNet-5
1.4.3 策略網絡實例
1.4.4 簡筆畫：Sketch-RNN
1.4.5 用GAN生成動漫頭像
1.5 深度神經網絡的基本特點
1.5.1 兩大助力：算力、數據
1.5.2 從特征工程，到逐層抽像
1.5.3 深度神經網絡學會的是什麼
1.6 人工智能與神經網絡的歷史
1.6.1 人工智能的兩大學派：邏輯與統計
1.6.2 人工智能與神經網絡的現代編年史
第2章 深度卷積網絡：第一課
2.1 神經元：運作和訓練
2.1.1 運作：從實例說明
2.1.2 訓練：梯度下降的思想
2.1.3 訓練：梯度下降的公式
2.1.4 訓練：找大小問題的初次嘗試
2.1.5 訓練：Excel的實現
2.1.6 重要知識：批大小、mini-batch、epoch
2.2 深度學習框架MXNet：安裝和使用
……
第3章 深度卷積網絡：第二課
第4章 深度卷積網絡：第三課
第5章 深度卷積網絡：第四課
第6章 AlphaGo架構綜述
第7章 訓練策略網絡與實戰
第8章 生成式對抗網絡：GAN
第9章 通向智能之秘
跋 人工智能與我們的未來
附錄 深度學習與AI的網絡資源