学习深度学习和人工智能是一次旅程， 读完本书只是旅程的第一站。我希望你认识到这一点，并能准备好独自迈向下一步。首先我们将概览本书的重要内容，这应该会让你回忆起已经学过的一些概念。接下来，我 们将会概述深度学习一些关键的局限性。想要正确地使用工具，你不仅应该知道它能够做什么， 还应该知道它不能做什么。最后，我会给出我对于深度学习、机器学习和人工智能这些领域未来发展的猜测和思考。如果你想从事基础研究，

文章将介绍使用深度学习模型处理文本（可以将其理解为单词序列或字符序列）、时间序列 和一般的序列数据。用于处理序列的两种基本的深度学习算法分别是循环神经网络（recurrent neural network）和一维卷积神经网络（1D convnet），后者是上一章介绍的二维卷积神经网络的 一维版本。文章将讨论这两种方法。

本章包括以下内容：- 使用 LSTM 生成文本- 实现 DeepDream- 实现神经风格迁移- 变分自编码器- 了解生成式对抗网络

深度学习入门

本章包括以下内容：- 使用 LSTM 生成文本- 实现 DeepDream- 实现神经风格迁移- 变分自编码器- 了解生成式对抗网络

深度学习入门

深度学习入门