本书介绍使用 R 语言和深度学习库 TensorFlow、H2O 和 MXNet 构建不同的深度学习模型的方法和原理。本书共 10 章，其中第 1、2 章介绍如何在 R 中配置不同的深度学习库以及如何构建神经网络；第 3 ～ 7 章介绍卷积神经网络、自动编码器、生成模型、循环神经网络和强化学习的构建方法和原理；第 8、9 章介绍深度学习在文本挖掘以及信号处理中的应用；第 10 章介绍迁移学习以及如何利用 GPU 部署深度学习模型。 本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习；内容上覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景。同时，书中包含大量实用的示例代码，方便读者应用到实际项目中。 本书适合有一定 R 语言编程基础，并且希望使用 R 语言快速开展深度学习项目的软件工程师或高校师生、科研人员阅读。

第 1章 入门 1
1.1 介绍 1
1.2 安装 R 及其 IDE 2
1.2.1 准备 2
1.2.2 怎么做 2
1.3 安装 Jupyter Notebook 应用 3
1.3.1 怎么做 3
1.3.2 更多内容 5
1.4 从 R 机器学习基础开始 5
1.4.1 怎么做 6
1.4.2 工作原理 9
1.5 在 R 中安装深度学习的工具 包 11
1.6 在 R 中安装 MXNet 11
1.6.1 做好准备 11
1.6.2 怎么做 12
1.7 在 R 中安装 TensorFlow 13
1.7.1 做好准备 13
1.7.2 怎么做 14
1.7.3 工作原理 15
1.8 在 R 中安装 H2O 15
1.8.1 做好准备 15
1.8.2 怎么做 16
1.8.3 工作原理 17
1.8.4 更多内容 20
1.9 使用 Docker 一次安装 3 个包 20
1.9.1 做好准备 20
1.9.2 怎么做 21
1.9.3 更多内容 22
第 2章 R深度学习 23
2.1 始于逻辑回归 23
2.1.1 做好准备 23
2.1.2 怎么做 24
2.2 介绍数据集 25
2.2.1 做好准备 25
2.2.2 怎么做 25
2.3 使用 H2O 执行逻辑回归 26
2.3.1 做好准备 26
2.3.2 怎么做 27
2.3.3 工作原理 28
2.4 使用 TensorFlow 执行逻辑回归 30
2.4.1 做好准备 30
2.4.2 怎么做 30
2.4.3 工作原理 32
2.5 可视化 TensorFlow 图 33
2.5.1 做好准备 33
2.5.2 怎么做 34
2.5.3 工作原理 36
2.6 从多层感知器开始 37
2.6.1 做好准备 37
2.6.2 怎么做 38
2.6.3 更多内容 38
2.7 使用 H2O 建立神经网络 39
2.7.1 做好准备 39
2.7.2 怎么做 39
2.7.3 工作原理 41
2.8 使用 H2O 中的网格搜索调整超参数 42
2.8.1 做好准备 42
2.8.2 怎么做 42
2.8.3 工作原理 43
2.9 使用 MXNet 建立神经网络 44
2.9.1 做好准备 44
2.9.2 怎么做 44
2.9.3 工作原理 46
2.10 使用 TensorFlow 建立神经网络 46
2.10.1 做好准备 46
2.10.2 怎么做 46
2.10.3 工作原理 49
2.10.4 更多内容 50
第3章 卷积神经网络 52
3.1 介绍 52
3.2 下载并配置图像数据集 53
3.2.1 做好准备 54
3.2.2 怎么做 54
3.2.3 工作原理 57
3.3 学习 CNN 分类器的架构 58
3.3.1 做好准备 58
3.3.2 怎么做 58
3.3.3 工作原理 59
3.4 使用函数初始化权重和偏差 60
3.4.1 做好准备 61
3.4.2 怎么做 61
3.4.3 工作原理 61
3.5 使用函数创建一个新的卷积层 61
3.5.1 做好准备 61
3.5.2 怎么做 62
3.5.3 工作原理 64
3