内容简介
本书对深度学习四大框架进行了详细介绍，主要适用于对深度学习感兴趣的读者，包括高校的师生以及工业界的专业人员。
全书内容可分为绪论、四大框架、迁移学习，以及并行计算与交叉验证。
第1章从深度学习与机器学习的关系、深度学习与统计学的关系、深度学习框架、深度学习中涉及的优化方法以及对深度学习展望五个方面出发，从理论上对深度学习进行全面深刻的剖析，旨在为接下的章节内容提供理论铺垫与指导。
第2章详细介绍TensorFlow，主要包括TensorFlow的运作原理、模型构建和框架安装。在介绍完TensorFlow之后，又介绍了该框架下的具体网络的实现以及详细代码。
第3章将从理论与实战两方面出发讨论Caffe深度学习网络框架的发展、结构以及具体的搭建过程，最后以在Caffe深度学习框架下构建全卷积神经网络（FCN）），并用该网络进行图像语义分割为实战示例，对该实验过程进行详细描述与分析并给出具体的代码。
第4章主要分三部分介绍Torch深度学习框架。
第一部分首先介绍Torch深度学习框架的基础知识，然后介绍了Torch深度学习框架中使用的主要语言Lua；第二部分介绍Torch框架的安装过程；第三部分以一个具体的目标检测实例为出发点，首先介绍Torch的类和包的用法，接着介绍构建神经网络的过程，最后介绍Faster R-CNN的方法和实例。
第5章对MXNet框架进行详细介绍，包括MXNet的基本概念、特点、安装过程等，最后用自然语言处理的实例来进一步展示MXNet在深度学习方面的应用。
第6章介绍迁移学习的发展、类型与模型，以及迁移学习实例。
第7章将在深度学习的背景下分别对并行计算和交叉验证这两种方法进行详细介绍。
作者简介
赵涓涓
太原理工大学信息与计算机学院教授，博士生导师，计算机科学系主任。中国计算机学会青年科技论坛太原主席（2017-2018年度）。主要从事影像大数据、机器学习等方面的科研与教学工作。出版学术专著2部，发表学术论文60余篇，ESI高被引论文1篇。
强彦
太原理工大学信息与计算机学院副院长，教授，博士生导师。中国计算机学会理事，中国计算机学会杰出会员。主要从事智能信息处理、模式识别、影像大数据、人工智能等方面的科研与教学工作。主讲教育部国家精品视频公开课“面向对象的编程思想概览”，在爱课程、网易公开课、中国大学MOOC平台等众多教学平台上都有呈现，受众百万。出版高校教材15部，国家级规划教材3部，译著2部，2017年获山西省教学成果奖一等奖、山西省“五一劳动奖章”、山西省高校“最美教师”称号。