本书首先介绍深度学习、线性代数、微积分和概率论相关知识，讨论Python编程相关的基础知识，线性模型中的线性回归模型和logistic模型，梯度下降法，然后讲述深度学习的正向传播算法、反向传播算法及完整训练流程，输出层的激活函数，应用于隐藏层的4个常见激活函数，深度学习的过拟合和欠拟合，以及3种应对过拟合的方法，以及使用TensorFlow2.0建立深度学习模型，接着介绍卷积神经网络(CNN)及其两个最重要的组成部分——卷积(convolution)和池化(pooling)，如何使用TensorFlow2.0建立卷积神经网络，最后讨论如何从零开始实现循环神经网络，如何搭建深度学习框架，如何使用TensorFlow2.0建立循环神经网络模型。