对深度学习原理和实践有较好把握

(1) 掌握本书内容，可从三个维度来看：

A维度：TensorFlow框架和使用

包括TensorFlow编程模型（第1章）、TensorFlow编译和安装（3.1节）、TensorFlow可视化、并行计算、机器学习算法库及相关组件（第9-10章）。

B维度：典型的机器学习算法原理

包括Softmax Regression（3.2节）、自编码器（4.1节）、多层感知机（4.3）、卷积神经网络(5.1)、循环神经网络(7.2和7.3)、Word2Vec(7.1)、深度强化学习（8.1）

C维度：上述机器学习模型的基于TensorFlow 的编码实现。

书中代码是Pyphon语言写的，无程序注释，要求读者熟悉Pyphon。

(2) TensorFlow编程模型的介绍不够系统（第1章）。后续具体机器学习算法如何映射到TensorFlow计算图（computation graph），存在一个断层。

(3) 卷积神经网络（CNN），主要用于图像识别，其介绍最为详细（第5、6章，共85页）， 其中，全球著名的图像识别挑战赛ILSVRC（ImageNet Large Scale Visual Recognition Challenge）近几年的冠亚军神经网络模型都一一介绍了，包括AlexNet、VGGNet、Google Inception Net、ResNet。

(4) 循环神经网络(RNN)，主要用于自然语言处理和时序数据分析，其介绍内容比较简单，长短时记忆模型（LSTM）的原理介绍不够清晰。

(5) 语言流畅，比较亲和，反映出作者对深度学习原理与实践有较好的理解。

(6) 文字还算严谨。发现一处笔误：p67, “当时” 应为“当然”。

(7) 书后参考文献不够规范，缺少论文的日期信息。

(8) 同一出版社，几乎在同一时间，出版了主题相同，定价一样的另一本书：郑泽宇的《TensorFlow ：实战Google深度学习框架》， 不知什么机缘。