本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。全书由5章组成。第1章介绍了深度学习的基本概况, 包括深度学习的基本概念、应用领域和深度学习程序的框架等。第2章介绍了神经网络的基本原理, 包括神经元模型、激活函数、神经网络的训练过程等。第3章介绍了基于Keras的全连接前馈神经网络编程方法, 包括运行深度学习程序的硬件环境和软件环境、张量、使用全连接前馈神经网络处理回归问题和分类问题的编程方法。第4章介绍了卷积神经网络的原理和编程方法, 包括卷积计算、池化计算、使用Keras进行卷积神经网络编程的方法、卷积神经网络的常用方法、经典的卷积神经网络模型和迁移学习方法。第5章介绍了循环神经网络的原理和编程方法, 包括循环神经网络的特点、词语嵌入编码的原理、长短期记忆模型网络、门控循环单元网络、基于Keras对简单循环神经网络和长短期记忆模型网络进行编程的方法。