本书共12章，分为3篇。第1篇深厚学习与TensorFlow基础，包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容；第2篇深度学习基础-神经网络，介绍了神经网络的基础模型，包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络等内容；第3篇深度学习进阶，是对基础网络模型的灵活运用与自由组合，是对前面知识的综合及拔高，包括深度神经网络和对抗神经网络两章内容。

搭建神经网络基础综合 以下内容是根据torch官网和莫烦python学习所得 基本步骤 载入数据，训练集，预测集，标注集 搭建网络，即 class Net 实例化网络 net 创建 optimizer 确定损失函数 loss_func 开始训练 计算预测值 predict 计算损失函数值 loss 优化器 zerograd() 损失反馈 loss.backward() 优化器步进 optimizer.step() import torch from torch.autograd import V