+   [Sklearn 与 TensorFlow 机器学习实用指南第二版](docs/hands-on-ml-2e-zh/README.md)
    +   [零、前言](docs/hands-on-ml-2e-zh/0.md)
    +   [一、机器学习概览](docs/hands-on-ml-2e-zh/1.md)
    +   [二、端到端的机器学习项目](docs/hands-on-ml-2e-zh/2.md)
    +   [三、分类](docs/hands-on-ml-2e-zh/3.md)
    +   [四、训练模型](docs/hands-on-ml-2e-zh/4.md)
    +   [五、支持向量机](docs/hands-on-ml-2e-zh/5.md)
    +   [六、决策树](docs/hands-on-ml-2e-zh/6.md)
    +   [七、集成学习和随机森林](docs/hands-on-ml-2e-zh/7.md)
    +   [八、降维](docs/hands-on-ml-2e-zh/8.md)
    +   [十、使用 Keras 搭建人工神经网络](docs/hands-on-ml-2e-zh/10.md)
    +   [十一、训练深度神经网络](docs/hands-on-ml-2e-zh/11.md)
    +   [十二、使用 TensorFlow 自定义模型并训练](docs/hands-on-ml-2e-zh/12.md)
    +   [十三、使用 TensorFlow 加载和预处理数据](docs/hands-on-ml-2e-zh/13.md)
    +   [十四、使用卷积神经网络实现深度计算机视觉](docs/hands-on-ml-2e-zh/14.md)
    +   [十五、使用 RNN 和 CNN 处理序列](docs/hands-on-ml-2e-zh/15.md)
    +   [十六、使用 RNN 和注意力机制进行自然语言处理](docs/hands-on-ml-2e-zh/16.md)
    +   [十七、使用自编码器和 GAN 做表征学习和生成式学习](docs/hands-on-ml-2e-zh/17.md)
    +   [十八、强化学习](docs/hands-on-ml-2e-zh/18.md)
    +   [十九、规模化训练和部署 TensorFlow 模型](docs/hands-on-ml-2e-zh/19.md)
+   [PyTorch 自然语言处理](docs/nlp-pytorch-zh/README.md)
    +   [一、基础介绍](docs/nlp-pytorch-zh/1.md)
    +   [二、传统 NLP 快速回顾](docs/nlp-pytorch-zh/2.md)
    +   [三、神经网络基础组件](docs/nlp-pytorch-zh/3.md)
    +   [四、自然语言处理的前馈网络](docs/nlp-pytorch-zh/4.md)
    +   [五、嵌入单词和类型](docs/nlp-pytorch-zh/5.md)
    +   [六、自然语言处理的序列模型](docs/nlp-pytorch-zh/6.md)
    +   [七、自然语言处理的进阶序列模型](docs/nlp-pytorch-zh/7.md)
    +   [八、自然语言处理的高级序列模型](docs/nlp-pytorch-zh/8.md)
    +   [九、经典, 前沿和后续步骤](docs/nlp-pytorch-zh/9.md)
+   [TensorFlow 1.x 深度学习秘籍](docs/tf-1x-dl-cookbook/README.md)
    +   [零、前言](docs/tf-1x-dl-cookbook/00.md)
    +   [一、TensorFlow 简介](docs/tf-1x-dl-cookbook/01.md)
    +   [二、回归](docs/tf-1x-dl-cookbook/02.md)
    +   [三、神经网络：感知器](docs/tf-1x-dl-cookbook/03.md)
    +   [四、卷积神经网络](docs/tf-1x-dl-cookbook/04.md)
    +   [五、高级卷积神经网络](docs/tf-1x-dl-cookbook/05.md)
    +   [六、循环神经网络](docs/tf-1x-dl-cookbook/06.md)
    +   [七、无监督学习](docs/tf-1x-dl-cookbook/07.md)
    +   [八、自编码器](docs/tf-1x-dl-cookbook/08.md)
    +   [九、强化学习](docs/tf-1x-dl-cookbook/09.md)
    +   [十、移动计算](docs/tf-1x-dl-cookbook/10.md)
    +   [十一、生成模型和 CapsNet](docs/tf-1x-dl-cookbook/11.md)
    +   [十二、分布式 TensorFlow 和云深度学习](docs/tf-1x-dl-cookbook/12.md)
    +   [十三、AutoML 和学习如何学习（元学习）](docs/tf-1x-dl-cookbook/13.md)
    +   [十四、TensorFlow 处理单元](docs/tf-1x-dl-cookbook/14.md)
+   [PyTorch 中文官方教程 1.7](docs/pt-tut-17/README.md)
    +   [学习 PyTorch](docs/pt-tut-17/01.md)
        +   [PyTorch 深度学习：60 分钟的突击](docs/pt-tut-17/02.md)
            +   [张量](docs/pt-tut-17/03.md)
            +   [`torch.autograd`的简要介绍](docs/pt-tut-17/04.md)
            +   [神经网络](docs/pt-tut-17/05.md)
            +   [训练分类器](docs/pt-tut-17/06.md)
        +   [通过示例学习 PyTorch](docs/pt-tut-17/07.md)
            +   [热身：NumPy](docs/pt-tut-17/08.md)
            +   [PyTorch：张量](docs/pt-tut-17/09.md)
            +   [PyTorch：张量和 Autograd](docs/pt-tut-17/10.md)
            +   [PyTorch：定义新的 Autograd 函数](docs/pt-tut-17/11.md)
            +   [PyTorch：`nn`](docs/pt-tut-17/12.md)
            +   [PyTorch：`optim`](docs/pt-tut-17/13.md)
            +   [PyTorch：自定义`nn`模块](docs/pt-tut-17/14.md)
            +   [PyTorch：控制流 + 权重共享](docs/pt-tut-17/15.md)
        +   [`torch.nn`到底是什么？](docs/pt-tut-17/16.md)
        +   [使用 TensorBoard 可视化模型，数据和训练](docs/pt-tut-17/17.md)
    +   [图片/视频](docs/pt-tut-17/18.md)
        +   [`torchvision`对象检测微调教程](docs/pt-tut-17/19.md)
        +   [计算机视觉的迁移学习教程](docs/pt-tut-17/20.md)
        +   [对抗示例生成](docs/pt-tut-17/21.md)
        +   [DCGAN 教程](docs/pt-tut-17/22.md)
    +   [音频](docs/pt-tut-17/23.md)
        +   [音频 I/O 和`torchaudio`的预处理](docs/pt-tut-17/24.md)
        +   [使用`torchaudio`的语音命令识别](docs/pt-tut-17/25.md)
    +   [文本](docs/pt-tut-17/26.md)
        +   [使用`nn.Transformer`和`torchtext`的序列到序列建模](docs/pt-tut-17/27.md)
        +   [从零开始的 NLP：使用字符级 RNN 分类名称](docs/pt-tut-17/28.md)
        +   [从零开始的 NLP：使用字符级 RNN 生成名称](docs/pt-tut-17/29.md)
        +   [从零开始的 NLP：使用序列到序列网络和注意力的翻译](docs/pt-tut-17/30.md)
        +   [使用`torchtext`的文本分类](docs/pt-tut-17/31.md)
        +   [`torchtext`语言翻译](docs/pt-tut-17/32.md)
    +   [强化学习](docs/pt-tut-17/33.md)
        +   [强化学习（DQN）教程](docs/pt-tut-17/34.md)
        +   [训练玩马里奥的 RL 智能体](docs/pt-tut-17/35.md)
    +   [在生产中部署 PyTorch 模型](docs/pt-tut-17/36.md)
        +   [通过使用 Flask 的 REST API 在 Python 中部署 PyTorch](docs/pt-tut-17/37.md)
        +   [TorchScript 简介](docs/pt-tut-17/38.md)
        +   [在 C++ 中加载 TorchScript 模型](docs/pt-tut-17/39.md)
        +   [将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）](docs/pt-tut-17/40.md)
    +   [前端 API](docs/pt-tut-17/41.md)
        +   [PyTorch 中的命名张量简介（原型）](docs/pt-tut-17/42.md)
        +   [PyTorch 中通道在最后的内存格式（beta）](docs/pt-tut-17/43.md)
        +   [使用 PyTorch C++ 前端](docs/pt-tut-17/44.md)
        +   [自定义 C++ 和 CUDA 扩展](docs/pt-tut-17/45.md)
        +   [使用自定义 C++ 运算符扩展 TorchScript](docs/pt-tut-17/46.md)
        +   [使用自定义 C++ 类扩展 TorchScript](docs/pt-tut-17/47.md)
        +   [TorchScript 中的动态并行性](docs/pt-tut-17/48.md)
        +   [C++ 前端中的 Autograd](docs/pt-tut-17/49.md)
        +   [在 C++ 中注册调度运算符](docs/pt-tut-17/50.md)
    +   [模型优化](docs/pt-tut-17/51.md)
        +   [分析您的 PyTorch 模块](docs/pt-tut-17/52.md)
        +   [使用 Ray Tune 的超参数调整](docs/pt-tut-17/53.md)
        +   [模型剪裁教程](docs/pt-tut-17/54.md)
        +   [LSTM 单词语言模型上的动态量化（beta）](docs/pt-tut-17/55.md)
        +   [BERT 上的动态量化（Beta）](docs/pt-tut-17/56.md)
        +   [PyTorch 中使用 Eager 模式的静态量化（beta）](docs/pt-tut-17/57.md)
        +   [计算机视觉的量化迁移学习教程（beta）](docs/pt-tut-17/58.md)
    +   [并行和分布式训练](docs/pt-tut-17/59.md)
        +   [PyTorch 分布式概述](docs/pt-tut-17/60.md)
        +   [单机模型并行最佳实践](docs/pt-tut-17/61.md)
        +   [分布式数据并行入门](docs/pt-tut-17/62.md)
        +   [用 PyTorch 编写分布式应用](docs/pt-tut-17/63.md)
        +   [分布式 RPC 框架入门](docs/pt-tut-17/64.md)
        +   [使用分布式 RPC 框架实现参数服务器](docs/pt-tut-17/65.md)
        +   [使用 RPC 的分布式管道并行化](docs/pt-tut-17/66.md)
        +   [使用异步执行实现批量 RPC 处理](docs/pt-tut-17/67.md)
        +   [将分布式`DataParallel`与分布式 RPC 框架相结合](docs/pt-tut-17/68.md)
+   [使用 TensorFlow 构建机器学习项目中文版](docs/build-ml-proj-tf-zh/README.md)
    +   [一、探索和转换数据](docs/build-ml-proj-tf-zh/ch01.md)
    +   [二、聚类](docs/build-ml-proj-tf-zh/ch02.md)
    +   [三、线性回归](docs/build-ml-proj-tf-zh/ch03.md)
    +   [四、逻辑回归](docs/build-ml-proj-tf-zh/ch04.md)
    +   [五、简单的前馈神经网络](docs/build-ml-proj-tf-zh/ch05.md)
    +   [六、卷积神经网络](docs/build-ml-proj-tf-zh/ch06.md)
    +   [七、循环神经网络和 LSTM](docs/build-ml-proj-tf-zh/ch07.md)
    +   [八、深度神经网络](docs/build-ml-proj-tf-zh/ch08.md)
    +   [九、大规模运行模型 -- GPU 和服务](docs/build-ml-proj-tf-zh/ch09.md)
    +   [十、库安装和其他提示](docs/build-ml-proj-tf-zh/ch10.md)
+   [TensorFlow 深度学习中文第二版](docs/dl-tf-2e-zh/README.md)
    +   [一、人工神经网络](docs/dl-tf-2e-zh/ch01.md)
    +   [二、TensorFlow v1.6 的新功能是什么？](docs/dl-tf-2e-zh/ch02.md)
    +   [三、实现前馈神经网络](docs/dl-tf-2e-zh/ch03.md)
    +   [四、CNN 实战](docs/dl-tf-2e-zh/ch04.md)
    +   [五、使用 TensorFlow 实现自编码器](docs/dl-tf-2e-zh/ch05.md)
    +   [六、RNN 和梯度消失或爆炸问题](docs/dl-tf-2e-zh/ch06.md)
    +   [七、TensorFlow GPU 配置](docs/dl-tf-2e-zh/ch07.md)
    +   [八、TFLearn](docs/dl-tf-2e-zh/ch08.md)
    +   [九、使用协同过滤的电影推荐](docs/dl-tf-2e-zh/ch09.md)
    +   [十、OpenAI Gym](docs/dl-tf-2e-zh/ch10.md)
+   [TensorFlow 深度学习实战指南中文版](docs/hands-on-dl-tf-zh/README.md)
    +   [一、入门](docs/hands-on-dl-tf-zh/ch01.md)
    +   [二、深度神经网络](docs/hands-on-dl-tf-zh/ch02.md)
    +   [三、卷积神经网络](docs/hands-on-dl-tf-zh/ch03.md)
    +   [四、循环神经网络介绍](docs/hands-on-dl-tf-zh/ch04.md)
    +   [五、总结](docs/hands-on-dl-tf-zh/ch05.md)
+   [精通 TensorFlow 1.x](docs/mastering-tf-1x-zh/README.md)
    +   [一、TensorFlow 101](docs/mastering-tf-1x-zh/ch01.md)
    +   [二、TensorFlow 的高级库](docs/mastering-tf-1x-zh/ch02.md)
    +   [三、Keras 101](docs/mastering-tf-1x-zh/ch03.md)
    +   [四、TensorFlow 中的经典机器学习](docs/mastering-tf-1x-zh/ch04.md)
    +   [五、TensorFlow 和 Keras 中的神经网络和 MLP](docs/mastering-tf-1x-zh/ch05.md)
    +   [六、TensorFlow 和 Keras 中的 RNN](docs/mastering-tf-1x-zh/ch06.md)
    +   [七、TensorFlow 和 Keras 中的用于时间序列数据的 RNN](docs/mastering-tf-1x-zh/ch07.md)
    +   [八、TensorFlow 和 Keras 中的用于文本数据的 RNN](docs/mastering-tf-1x-zh/ch08.md)
    +   [九、TensorFlow 和 Keras 中的 CNN](docs/mastering-tf-1x-zh/ch09.md)
    +   [十、TensorFlow 和 Keras 中的自编码器](docs/mastering-tf-1x-zh/ch10.md)
    +   [十一、TF 服务：生产中的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch11.md)
    +   [十二、迁移学习和预训练模型](docs/mastering-tf-1x-zh/ch12.md)
    +   [十三、深度强化学习](docs/mastering-tf-1x-zh/ch13.md)
    +   [十四、生成对抗网络](docs/mastering-tf-1x-zh/ch14.md)
    +   [十五、TensorFlow 集群的分布式模型](docs/mastering-tf-1x-zh/ch15.md)
    +   [十六、移动和嵌入式平台上的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch16.md)
    +   [十七、R 中的 TensorFlow 和 Keras](docs/mastering-tf-1x-zh/ch17.md)
    +   [十八、调试 TensorFlow 模型](docs/mastering-tf-1x-zh/ch18.md)
    +   [十九、张量处理单元](docs/mastering-tf-1x-zh/ch19.md)
+   [TensorFlow 机器学习秘籍中文第二版](docs/tf-ml-cookbook-2e-zh/README.md)
    +   [一、TensorFlow 入门](docs/tf-ml-cookbook-2e-zh/ch01.md)
    +   [二、TensorFlow 的方式](docs/tf-ml-cookbook-2e-zh/ch02.md)
    +   [三、线性回归](docs/tf-ml-cookbook-2e-zh/ch03.md)
    +   [四、支持向量机](docs/tf-ml-cookbook-2e-zh/ch04.md)
    +   [五、最近邻方法](docs/tf-ml-cookbook-2e-zh/ch05.md)
    +   [六、神经网络](docs/tf-ml-cookbook-2e-zh/ch06.md)
    +   [七、自然语言处理](docs/tf-ml-cookbook-2e-zh/ch07.md)
    +   [八、卷积神经网络](docs/tf-ml-cookbook-2e-zh/ch08.md)
    +   [九、循环神经网络](docs/tf-ml-cookbook-2e-zh/ch09.md)
    +   [十、将 TensorFlow 投入生产](docs/tf-ml-cookbook-2e-zh/ch10.md)
    +   [十一、更多 TensorFlow](docs/tf-ml-cookbook-2e-zh/ch11.md)
+   [与 TensorFlow 的初次接触](docs/first_contact_with_tensorFlow/README.md)
    +   [前言](docs/first_contact_with_tensorFlow/0.md)
    +   [1. TensorFlow 基础知识](docs/first_contact_with_tensorFlow/1.md)
    +   [2. TensorFlow 中的线性回归](docs/first_contact_with_tensorFlow/2.md)
    +   [3. TensorFlow 中的聚类](docs/first_contact_with_tensorFlow/3.md)
    +   [4. TensorFlow 中的单层神经网络](docs/first_contact_with_tensorFlow/4.md)
    +   [5. TensorFlow 中的多层神经网络](docs/first_contact_with_tensorFlow/5.md)
    +   [6. 并行](docs/first_contact_with_tensorFlow/6.md)
    +   [后记](docs/first_contact_with_tensorFlow/7.md)
+   [TensorFlow 学习指南](docs/learning-tf-zh/README.md)
    +   [一、基础](docs/learning-tf-zh/1.md)
    +   [二、线性模型](docs/learning-tf-zh/2.md)
    +   [三、学习](docs/learning-tf-zh/3.md)
    +   [四、分布式](docs/learning-tf-zh/4.md)
+   [TensorFlow Rager 教程](docs/tf-eager-tut/README.md)
    +   [一、如何使用 TensorFlow Eager 构建简单的神经网络](docs/tf-eager-tut/1.md)
    +   [二、在 Eager 模式中使用指标](docs/tf-eager-tut/2.md)
    +   [三、如何保存和恢复训练模型](docs/tf-eager-tut/3.md)
    +   [四、文本序列到 TFRecords](docs/tf-eager-tut/4.md)
    +   [五、如何将原始图片数据转换为 TFRecords](docs/tf-eager-tut/5.md)
    +   [六、如何使用 TensorFlow Eager 从 TFRecords 批量读取数据](docs/tf-eager-tut/6.md)
    +   [七、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）](docs/tf-eager-tut/7.md)
    +   [八、用于 TensorFlow Eager 序列分类的动态循坏神经网络](docs/tf-eager-tut/8.md)
    +   [九、用于 TensorFlow Eager 时间序列回归的递归神经网络](docs/tf-eager-tut/9.md)
+   [TensorFlow 高效编程](docs/effective-tf.md)
+   [图嵌入综述：问题，技术与应用](docs/ge-survey-arxiv-1709-07604-zh/README.md)
    +   [一、引言](docs/ge-survey-arxiv-1709-07604-zh/1.md)
    +   [三、图嵌入的问题设定](docs/ge-survey-arxiv-1709-07604-zh/2.md)
    +   [四、图嵌入技术](docs/ge-survey-arxiv-1709-07604-zh/3.md)
    +   [基于边重构的优化问题](docs/ge-survey-arxiv-1709-07604-zh/4.md)
    +   [应用](docs/ge-survey-arxiv-1709-07604-zh/5.md)
+   [基于深度学习的推荐系统：综述和新视角](docs/rs-survey-arxiv-1707-07435-zh/README.md)
    +   [引言](docs/rs-survey-arxiv-1707-07435-zh/1.md)
    +   [基于深度学习的推荐：最先进的技术](docs/rs-survey-arxiv-1707-07435-zh/2.md)
    +   [基于卷积神经网络的推荐](docs/rs-survey-arxiv-1707-07435-zh/3.md)
+   [关于卷积神经网络我们理解了什么](docs/what-do-we-understand-about-convnet/README.md)
    +   [第1章概论](docs/what-do-we-understand-about-convnet/1.md)
    +   [第2章多层网络](docs/what-do-we-understand-about-convnet/2.1.1-2.1.3.md)
    +   [2.1.4生成对抗网络](docs/what-do-we-understand-about-convnet/2.1.4-2.1.6.md)
    +   [2.2.1最近ConvNets演变中的关键架构](docs/what-do-we-understand-about-convnet/2.2.1.md)
    +   [2.2.2走向ConvNet不变性](docs/what-do-we-understand-about-convnet/2.2.2-2.2.3.md)
    +   [2.3时空卷积网络](docs/what-do-we-understand-about-convnet/2.3-2.4.md)
    +   [第3章了解ConvNets构建块](docs/what-do-we-understand-about-convnet/3.1.md)
    +   [3.2整改](docs/what-do-we-understand-about-convnet/3.2.md)
    +   [3.3规范化](docs/what-do-we-understand-about-convnet/3.3.md)
    +   [3.4汇集](docs/what-do-we-understand-about-convnet/3.4-3.5.md)
    +   [第四章现状](docs/what-do-we-understand-about-convnet/4.1.md)
    +   [4.2打开问题](docs/what-do-we-understand-about-convnet/4.2.md)
    +   [参考](docs/what-do-we-understand-about-convnet/ref.md)
+   [机器学习超级复习笔记](docs/super-machine-learning-revision-notes/README.md)
+   [Python 迁移学习实用指南](docs/handson-tl-py/README.md)
    +   [零、前言](docs/handson-tl-py/0.md)
    +   [一、机器学习基础](docs/handson-tl-py/1.md)
    +   [二、深度学习基础](docs/handson-tl-py/2.md)
    +   [三、了解深度学习架构](docs/handson-tl-py/3.md)
    +   [四、迁移学习基础](docs/handson-tl-py/4.md)
    +   [五、释放迁移学习的力量](docs/handson-tl-py/5.md)
    +   [六、图像识别与分类](docs/handson-tl-py/6.md)
    +   [七、文本文件分类](docs/handson-tl-py/7.md)
    +   [八、音频事件识别与分类](docs/handson-tl-py/8.md)
    +   [九、DeepDream](docs/handson-tl-py/9.md)
    +   [十、自动图像字幕生成器](docs/handson-tl-py/10.md)
    +   [十一、图像着色](docs/handson-tl-py/11.md)
+   [面向计算机视觉的深度学习](docs/dl-cv/README.md)
    +   [零、前言](docs/dl-cv/00.md)
    +   [一、入门](docs/dl-cv/01.md)
    +   [二、图像分类](docs/dl-cv/02.md)
    +   [三、图像检索](docs/dl-cv/03.md)
    +   [四、对象检测](docs/dl-cv/04.md)
    +   [五、语义分割](docs/dl-cv/05.md)
    +   [六、相似性学习](docs/dl-cv/06.md)
    +   [七、图像字幕](docs/dl-cv/07.md)
    +   [八、生成模型](docs/dl-cv/08.md)
    +   [九、视频分类](docs/dl-cv/09.md)
    +   [十、部署](docs/dl-cv/10.md)
+   [深度学习快速参考](docs/dl-quick-ref/README.md)
    +   [零、前言](docs/dl-quick-ref/00.md)
    +   [一、深度学习的基础](docs/dl-quick-ref/01.md)
    +   [二、使用深度学习解决回归问题](docs/dl-quick-ref/02.md)
    +   [三、使用 TensorBoard 监控网络训练](docs/dl-quick-ref/03.md)
    +   [四、使用深度学习解决二分类问题](docs/dl-quick-ref/04.md)
    +   [五、使用 Keras 解决多分类问题](docs/dl-quick-ref/05.md)
    +   [六、超参数优化](docs/dl-quick-ref/06.md)
    +   [七、从头开始训练 CNN](docs/dl-quick-ref/07.md)
    +   [八、将预训练的 CNN 用于迁移学习](docs/dl-quick-ref/08.md)
    +   [九、从头开始训练 RNN](docs/dl-quick-ref/09.md)
    +   [十、使用词嵌入从头开始训练 LSTM](docs/dl-quick-ref/10.md)
    +   [十一、训练 Seq2Seq 模型](docs/dl-quick-ref/11.md)
    +   [十二、深度强化学习](docs/dl-quick-ref/12.md)
    +   [十三、生成对抗网络](docs/dl-quick-ref/13.md)
+   [TensorFlow 2.0 快速入门指南](docs/tf-20-quick-start-guide/README.md)
    +   [零、前言](docs/tf-20-quick-start-guide/00.md)
    +   [第 1 部分：TensorFlow 2.00 Alpha 简介](docs/tf-20-quick-start-guide/s1.md)
    +   [一、TensorFlow 2 简介](docs/tf-20-quick-start-guide/01.md)
    +   [二、Keras：TensorFlow 2 的高级 API](docs/tf-20-quick-start-guide/02.md)
    +   [三、TensorFlow 2 和 ANN 技术](docs/tf-20-quick-start-guide/03.md)
    +   [第 2 部分：TensorFlow 2.00 Alpha 中的监督和无监督学习](docs/tf-20-quick-start-guide/s2.md)
    +   [四、TensorFlow 2 和监督机器学习](docs/tf-20-quick-start-guide/04.md)
    +   [五、TensorFlow 2 和无监督学习](docs/tf-20-quick-start-guide/05.md)
    +   [第 3 部分：TensorFlow 2.00 Alpha 的神经网络应用](docs/tf-20-quick-start-guide/s3.md)
    +   [六、使用 TensorFlow 2 识别图像](docs/tf-20-quick-start-guide/06.md)
    +   [七、TensorFlow 2 和神经风格迁移](docs/tf-20-quick-start-guide/07.md)
    +   [八、TensorFlow 2 和循环神经网络](docs/tf-20-quick-start-guide/08.md)
    +   [九、TensorFlow 估计器和 TensorFlow HUB](docs/tf-20-quick-start-guide/09.md)
    +   [十、从 tf1.12 转换为 tf2](docs/tf-20-quick-start-guide/10.md)
+   [TensorFlow 入门](docs/get-start-tf/README.md)
    +   [零、前言](docs/get-start-tf/ch00.md)
    +   [一、TensorFlow 基本概念](docs/get-start-tf/ch01.md)
    +   [二、TensorFlow 数学运算](docs/get-start-tf/ch02.md)
    +   [三、机器学习入门](docs/get-start-tf/ch03.md)
    +   [四、神经网络简介](docs/get-start-tf/ch04.md)
    +   [五、深度学习](docs/get-start-tf/ch05.md)
    +   [六、TensorFlow GPU 编程和服务](docs/get-start-tf/ch06.md)
+   [TensorFlow 卷积神经网络实用指南](docs/handson-cnn-tf/README.md)
    +   [零、前言](docs/handson-cnn-tf/0.md)
    +   [一、TensorFlow 的设置和介绍](docs/handson-cnn-tf/1.md)
    +   [二、深度学习和卷积神经网络](docs/handson-cnn-tf/2.md)
    +   [三、TensorFlow 中的图像分类](docs/handson-cnn-tf/3.md)
    +   [四、目标检测与分割](docs/handson-cnn-tf/4.md)
    +   [五、VGG，Inception，ResNet 和 MobileNets](docs/handson-cnn-tf/5.md)
    +   [六、自编码器，变分自编码器和生成对抗网络](docs/handson-cnn-tf/6.md)
    +   [七、迁移学习](docs/handson-cnn-tf/7.md)
    +   [八、机器学习最佳实践和故障排除](docs/handson-cnn-tf/8.md)
    +   [九、大规模训练](docs/handson-cnn-tf/9.md)
    +   [十、参考文献](docs/handson-cnn-tf/10.md)
+   [Python 人工智能中文版](docs/ai-py/README.md)
    +   [0 前言](docs/ai-py/00.md)
    +   [1 人工智能简介](docs/ai-py/01.md)
    +   [2 人工智能的基本用例](docs/ai-py/02.md)
    +   [3 机器学习管道](docs/ai-py/03.md)
    +   [4 特征选择和特征工程](docs/ai-py/04.md)
    +   [5 使用监督学习的分类和回归](docs/ai-py/05.md)
    +   [6 集成学习的预测分析](docs/ai-py/06.md)
    +   [7 通过无监督学习检测模式](docs/ai-py/07.md)
    +   [8 构建推荐系统](docs/ai-py/08.md)
    +   [9 逻辑编程](docs/ai-py/09.md)
    +   [10 启发式搜索技术](docs/ai-py/10.md)
    +   [11 遗传算法和遗传编程](docs/ai-py/11.md)
    +   [12 云上的人工智能](docs/ai-py/12.md)
    +   [13 使用人工智能构建游戏](docs/ai-py/13.md)
    +   [14 构建语音识别器](docs/ai-py/14.md)
    +   [15 自然语言处理](docs/ai-py/15.md)
    +   [16 聊天机器人](docs/ai-py/16.md)
    +   [17 序列数据和时间序列分析](docs/ai-py/17.md)
    +   [18 图像识别](docs/ai-py/18.md)
    +   [19 神经网络](docs/ai-py/19.md)
    +   [20 将卷积神经网络用于深度学习](docs/ai-py/20.md)
    +   [21 循环神经网络和其他深度学习模型](docs/ai-py/21.md)
    +   [22 通过强化学习创建智能体](docs/ai-py/22.md)
    +   [23 人工智能和大数据](docs/ai-py/23.md)
+   [Python 无监督学习实用指南](docs/handson-unsup-learn-py/README.md)
    +   [零、前言](docs/handson-unsup-learn-py/00.md)
    +   [一、无监督学习入门](docs/handson-unsup-learn-py/01.md)
    +   [二、聚类基础](docs/handson-unsup-learn-py/02.md)
    +   [三、高级聚类](docs/handson-unsup-learn-py/03.md)
    +   [四、实用的层次聚类](docs/handson-unsup-learn-py/04.md)
    +   [五、软聚类和高斯混合模型](docs/handson-unsup-learn-py/05.md)
    +   [六、异常检测](docs/handson-unsup-learn-py/06.md)
    +   [七、降维和成分分析](docs/handson-unsup-learn-py/07.md)
    +   [八、无监督神经网络模型](docs/handson-unsup-learn-py/08.md)
    +   [九、生成对抗网络和 SOM](docs/handson-unsup-learn-py/09.md)
    +   [十、习题](docs/handson-unsup-learn-py/10.md)
+   [生成对抗网络项目](docs/gan-proj/README.md)
    +   [零、前言](docs/gan-proj/0.md)
    +   [一、生成对抗网络简介](docs/gan-proj/1.md)
    +   [二、3D-GAN -- 使用 GAN 生成形状](docs/gan-proj/2.md)
    +   [三、使用条件 GAN 进行人脸老化](docs/gan-proj/3.md)
    +   [四、使用 DCGAN 生成动漫角色](docs/gan-proj/4.md)
    +   [五、使用 SRGAN 生成逼真的图像](docs/gan-proj/5.md)
    +   [六、StackGAN - 逼真的文本到图像合成](docs/gan-proj/6.md)
    +   [七、CycleGAN - 将绘画变成照片](docs/gan-proj/7.md)
    +   [八、条件 GAN - 使用条件对抗网络的图像到图像翻译](docs/gan-proj/8.md)
    +   [九、预测 GAN 的未来](docs/gan-proj/9.md)
+   [TensorFlow 智能移动项目](docs/intel-mobi-proj-tf/README.md)
    +   [零、前言](docs/intel-mobi-proj-tf/00.md)
    +   [一、移动 TensorFlow 入门](docs/intel-mobi-proj-tf/01.md)
    +   [二、通过迁移学习对图像进行分类](docs/intel-mobi-proj-tf/02.md)
    +   [三、检测物体及其位置](docs/intel-mobi-proj-tf/03.md)
    +   [四、以惊人的艺术风格变换图片](docs/intel-mobi-proj-tf/04.md)
    +   [五、了解简单的语音命令](docs/intel-mobi-proj-tf/05.md)
    +   [六、用自然语言描述图像](docs/intel-mobi-proj-tf/06.md)
    +   [七、使用 CNN 和 LSTM 识别绘画](docs/intel-mobi-proj-tf/07.md)
    +   [八、用 RNN 预测股价](docs/intel-mobi-proj-tf/08.md)
    +   [九、使用 GAN 生成和增强图像](docs/intel-mobi-proj-tf/09.md)
    +   [十、构建类似 AlphaZero 的手机游戏应用](docs/intel-mobi-proj-tf/10.md)
    +   [十一、在移动设备上使用 TensorFlow Lite 和 Core ML](docs/intel-mobi-proj-tf/11.md)
    +   [十二、在 Raspberry Pi 上开发 TensorFlow 应用](docs/intel-mobi-proj-tf/12.md)
+   [TensorFlow 和 Keras 应用开发入门](docs/begin-app-dev-tf-keras/README.md)
    +   [零、前言](docs/begin-app-dev-tf-keras/0.md)
    +   [一、神经网络和深度学习简介](docs/begin-app-dev-tf-keras/1.md)
    +   [二、模型架构](docs/begin-app-dev-tf-keras/2.md)
    +   [三、模型评估和优化](docs/begin-app-dev-tf-keras/3.md)
    +   [四、产品化](docs/begin-app-dev-tf-keras/4.md)
+   [TensorFlow 图像深度学习实用指南](docs/handson-dl-img-tf/README.md)
    +   [零、前言](docs/handson-dl-img-tf/0.md)
    +   [一、机器学习工具包](docs/handson-dl-img-tf/1.md)
    +   [二、图片数据](docs/handson-dl-img-tf/2.md)
    +   [三、经典神经网络](docs/handson-dl-img-tf/3.md)
+   [Python 元学习实用指南](docs/handson-meta-learn-py/README.md)
    +   [零、前言](docs/handson-meta-learn-py/00.md)
    +   [一、元学习导论](docs/handson-meta-learn-py/01.md)
    +   [二、使用连体网络的人脸和音频识别](docs/handson-meta-learn-py/02.md)
    +   [三、原型网络及其变体](docs/handson-meta-learn-py/03.md)
    +   [四、使用 TensorFlow 的关系和匹配网络](docs/handson-meta-learn-py/04.md)
    +   [五、记忆增强神经网络](docs/handson-meta-learn-py/05.md)
    +   [六、MAML 及其变体](docs/handson-meta-learn-py/06.md)
    +   [七、元 SGD 和 Reptile](docs/handson-meta-learn-py/07.md)
    +   [八、作为优化目标的梯度一致性](docs/handson-meta-learn-py/08.md)
    +   [九、最新进展和后续步骤](docs/handson-meta-learn-py/09.md)
    +   [十、答案](docs/handson-meta-learn-py/10.md)
+   [Python 强化学习实用指南](docs/handson-rl-py/README.md)
    +   [零、前言](docs/handson-rl-py/00.md)
    +   [一、强化学习导论](docs/handson-rl-py/01.md)
    +   [二、OpenAI 和 TensorFlow 入门](docs/handson-rl-py/02.md)
    +   [三、马尔可夫决策过程与动态规划](docs/handson-rl-py/03.md)
    +   [四、用于游戏的蒙特卡洛方法](docs/handson-rl-py/04.md)
    +   [五、时间差异学习](docs/handson-rl-py/05.md)
    +   [六、多臂老虎机问题](docs/handson-rl-py/06.md)
    +   [七、深度学习基础](docs/handson-rl-py/07.md)
    +   [八、深度 Q 网络和 Atari 游戏](docs/handson-rl-py/08.md)
    +   [九、用深度循环 Q 网络玩《毁灭战士》](docs/handson-rl-py/09.md)
    +   [十、异步优势演员评论家网络](docs/handson-rl-py/10.md)
    +   [十一、策略梯度和优化](docs/handson-rl-py/11.md)
    +   [十二、Capstone 项目 – 将 DQN 用于赛车](docs/handson-rl-py/12.md)
    +   [十三、最新进展和后续步骤](docs/handson-rl-py/13.md)
    +   [十四、答案](docs/handson-rl-py/14.md)
+   [Python 智能项目](docs/intel-proj-py/README.md)
    +   [零、前言](docs/intel-proj-py/00.md)
    +   [一、人工智能系统的基础](docs/intel-proj-py/01.md)
    +   [二、迁移学习](docs/intel-proj-py/02.md)
    +   [三、神经机器翻译](docs/intel-proj-py/03.md)
    +   [四、使用 GAN 的时尚行业样式迁移](docs/intel-proj-py/04.md)
    +   [五、视频字幕应用](docs/intel-proj-py/05.md)
    +   [六、智能推荐系统](docs/intel-proj-py/06.md)
    +   [七、电影评论情感分析移动应用](docs/intel-proj-py/07.md)
    +   [八、用于客户服务的会话式 AI 聊天机器人](docs/intel-proj-py/08.md)
    +   [九、使用强化学习的自主无人驾驶汽车](docs/intel-proj-py/09.md)
    +   [十、深度学习视角的验证码](docs/intel-proj-py/10.md)
+   [精通 Sklearn 和 TensorFlow 预测性分析](docs/master-pred-anal-sklearn-tf/README.md)
    +   [零、前言](docs/master-pred-anal-sklearn-tf/0.md)
    +   [一、回归和分类的集成方法](docs/master-pred-anal-sklearn-tf/1.md)
    +   [二、交叉验证和参数调整](docs/master-pred-anal-sklearn-tf/2.md)
    +   [三、使用特征](docs/master-pred-anal-sklearn-tf/3.md)
    +   [四、人工神经网络和 TensorFlow 简介](docs/master-pred-anal-sklearn-tf/4.md)
    +   [五、将 TensorFlow 和深度神经网络用于预测分析](docs/master-pred-anal-sklearn-tf/5.md)
+   [TensorFlow 2.0 的新增功能](docs/whats-new-tf2/README.md)
    +   [零、前言](docs/whats-new-tf2/0.md)
    +   [第 1 部分：TensorFlow 2.0 - 架构和 API 更改](docs/whats-new-tf2/pt1.md)
        +   [一、TensorFlow 2.0 入门](docs/whats-new-tf2/1.md)
        +   [二、Keras 默认集成和急切执行](docs/whats-new-tf2/2.md)
    +   [第 2 部分：TensorFlow 2.0 - 数据和模型训练管道](docs/whats-new-tf2/pt2.md)
        +   [三、设计和构建输入数据管道](docs/whats-new-tf2/3.md)
        +   [四、TensorBoard 的模型训练和使用](docs/whats-new-tf2/4.md)
    +   [第 3 部分：TensorFlow 2.0 - 模型推断和部署以及 AIY](docs/whats-new-tf2/pt3.md)
        +   [五、模型推理管道 - 多平台部署](docs/whats-new-tf2/5.md)
        +   [六、AIY 项目和 TensorFlow Lite](docs/whats-new-tf2/6.md)
    +   [第 4 部分：TensorFlow 2.0 - 迁移，总结](docs/whats-new-tf2/pt4.md)
        +   [七、从 TensorFlow 1.x 迁移到 2.0](docs/whats-new-tf2/7.md)
+   [UCB CS294-112 深度强化学习中文笔记](docs/ucb-cs294-112-notes-zh/README.md)
    +   [(1) 简介](docs/ucb-cs294-112-notes-zh/1.md)
    +   [(2) 模仿学习](docs/ucb-cs294-112-notes-zh/2.md)
    +   [(3) 增强学习简介](docs/ucb-cs294-112-notes-zh/3.md)
    +   [(4) 策略梯度法](docs/ucb-cs294-112-notes-zh/4.md)
    +   [(5) 演员-评论家算法](docs/ucb-cs294-112-notes-zh/5.md)
    +   [(6) 基于值函数的方法](docs/ucb-cs294-112-notes-zh/6.md)
    +   [(7) 深度增强学习中的 Q 学习方法](docs/ucb-cs294-112-notes-zh/7.md)
    +   [(8) 最优控制与规划](docs/ucb-cs294-112-notes-zh/8.md)
    +   [(9) 用数据拟合模型](docs/ucb-cs294-112-notes-zh/9.md)
    +   [(10) 基于模型的增强学习的策略训练](docs/ucb-cs294-112-notes-zh/10.md)
    +   [(11) 概率图模型与软化增强学习](docs/ucb-cs294-112-notes-zh/11.md)
    +   [(12) 逆增强学习](docs/ucb-cs294-112-notes-zh/12.md)
+   [TensorFlow 2 和 Keras 高级深度学习](docs/adv-dl-tf2-keras/README.md)
    +   [零、前言](docs/adv-dl-tf2-keras/00.md)
    +   [一、使用 Keras 入门高级深度学习](docs/adv-dl-tf2-keras/01.md)
    +   [二、深度神经网络](docs/adv-dl-tf2-keras/02.md)
    +   [三、自编码器](docs/adv-dl-tf2-keras/03.md)
    +   [四、生成对抗网络（GAN）](docs/adv-dl-tf2-keras/04.md)
    +   [五、改进的 GAN](docs/adv-dl-tf2-keras/05.md)
    +   [六、纠缠表示 GAN](docs/adv-dl-tf2-keras/06.md)
    +   [七、跨域 GAN](docs/adv-dl-tf2-keras/07.md)
    +   [八、变分自编码器（VAE）](docs/adv-dl-tf2-keras/08.md)
    +   [九、深度强化学习](docs/adv-dl-tf2-keras/09.md)
    +   [十、策略梯度方法](docs/adv-dl-tf2-keras/10.md)
    +   [十一、对象检测](docs/adv-dl-tf2-keras/11.md)
    +   [十二、语义分割](docs/adv-dl-tf2-keras/12.md)
    +   [十三、使用互信息的无监督学习](docs/adv-dl-tf2-keras/13.md)
+   [GCP 上的人工智能实用指南](docs/handson-ai-gcp/README.md)
    +   [零、前言](docs/handson-ai-gcp/00.md)
    +   [第 1 节：Google Cloud Platform 的基础](docs/handson-ai-gcp/sec1.md)
        +   [一、AI 和 GCP 概述](docs/handson-ai-gcp/01.md)
        +   [二、使用 GCP 组件的计算和处理](docs/handson-ai-gcp/02.md)
    +   [第 2 节：使用 Google Cloud Platform 的人工智能](docs/handson-ai-gcp/sec2.md)
        +   [三、XGBoost 的机器学习应用](docs/handson-ai-gcp/03.md)
        +   [四、使用 Cloud AutoML](docs/handson-ai-gcp/04.md)
        +   [五、构建大数据云机器学习引擎](docs/handson-ai-gcp/05.md)
        +   [六、使用 DialogFlow 的智能对话应用](docs/handson-ai-gcp/06.md)
    +   [第 3 节：Google Cloud Platform 上的 TensorFlow](docs/handson-ai-gcp/sec3.md)
        +   [七、了解云 TPU](docs/handson-ai-gcp/07.md)
        +   [八、使用 Cloud ML Engine 实现 TensorFlow 模型](docs/handson-ai-gcp/08.md)
        +   [九、构建预测应用](docs/handson-ai-gcp/09.md)
    +   [第 4 节：构建应用和即将发布的功能](docs/handson-ai-gcp/sec4.md)
        +   [十、构建一个 AI 应用](docs/handson-ai-gcp/10.md)
+   [Python 深度学习架构实用指南](docs/handson-dl-arch-py/README.md)
    +   [零、前言](docs/handson-dl-arch-py/0.md)
    +   [第 1 节：深度学习的元素](docs/handson-dl-arch-py/sec1.md)
        +   [一、深度学习入门](docs/handson-dl-arch-py/1.md)
        +   [二、深度前馈网络](docs/handson-dl-arch-py/2.md)
        +   [三、受限玻尔兹曼机和自编码器](docs/handson-dl-arch-py/3.md)
    +   [第 2 节：卷积神经网络](docs/handson-dl-arch-py/sec2.md)
        +   [四、CNN 架构](docs/handson-dl-arch-py/4.md)
        +   [五、移动神经网络和 CNN](docs/handson-dl-arch-py/5.md)
    +   [第 3 节：序列建模](docs/handson-dl-arch-py/sec3.md)
        +   [六、循环神经网络](docs/handson-dl-arch-py/6.md)
    +   [第 4 节：生成对抗网络（GAN）](docs/handson-dl-arch-py/sec4.md)
        +   [七、生成对抗网络](docs/handson-dl-arch-py/7.md)
    +   [第 5 节：深度学习和高级人工智能的未来](docs/handson-dl-arch-py/sec5.md)
        +   [八、深度学习的新趋势](docs/handson-dl-arch-py/8.md)
+   [Python Web 深度学习实用指南](docs/handson-py-dl-web/README.md)
    +   [零、前言](docs/handson-py-dl-web/00.md)
    +   [第 1 节：Web 人工智能](docs/handson-py-dl-web/sec1.md)
        +   [一、揭秘人工智能和机器学习基础](docs/handson-py-dl-web/01.md)
    +   [第 2 节：使用深度学习的 Web 开发](docs/handson-py-dl-web/sec2.md)
        +   [二、使用 Python 入门深度学习](docs/handson-py-dl-web/02.md)
        +   [三、创建您的第一个深度学习 Web 应用](docs/handson-py-dl-web/03.md)
        +   [四、TensorFlow.js 入门](docs/handson-py-dl-web/04.md)
    +   [第 3 节：用于 Web 开发的不同深度学习 API 入门](docs/handson-py-dl-web/sec3.md)
        +   [五、通过 API 进行深度学习](docs/handson-py-dl-web/05.md)
        +   [六、Google Cloud Platform 上的 Python 深度学习](docs/handson-py-dl-web/06.md)
        +   [七、AWS 上的 Python DL：对象检测和家庭自动化](docs/handson-py-dl-web/07.md)
        +   [八、Microsoft Azure 上的 Python 深度学习](docs/handson-py-dl-web/08.md)
    +   [第 4 节：生产中的深度学习（智能 Web 应用）](docs/handson-py-dl-web/sec4.md)
        +   [九、启用深度学习的网站的通用生产框架](docs/handson-py-dl-web/09.md)
        +   [十、通过深度学习保护 Web 应用安全](docs/handson-py-dl-web/10.md)
        +   [十一、DIY - Web DL 生产环境](docs/handson-py-dl-web/11.md)
        +   [十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用](docs/handson-py-dl-web/12.md)
    +   [十三、附录：Web 深度学习的成功案例和新兴领域](docs/handson-py-dl-web/13.md)
+   [精通 TensorFlow 2.x 计算机视觉](docs/master-cv-tf-2x/README.md)
    +   [零、前言](docs/master-cv-tf-2x/0.md)
    +   [第 1 节：计算机视觉和神经网络概论](docs/master-cv-tf-2x/sec1.md)
        +   [一、计算机视觉和 TensorFlow 基础知识](docs/master-cv-tf-2x/1.md)
        +   [二、使用局部二进制模式的内容识别](docs/master-cv-tf-2x/2.md)
        +   [三、使用 OpenCV 和 CNN 的人脸检测](docs/master-cv-tf-2x/3.md)
        +   [四、用于图像的深度学习](docs/master-cv-tf-2x/4.md)
    +   [第 2 节：使用 TensorFlow 的计算机视觉高级概念](docs/master-cv-tf-2x/sec2.md)
        +   [五、神经网络架构和模型](docs/master-cv-tf-2x/5.md)
        +   [六、使用迁移学习的视觉搜索](docs/master-cv-tf-2x/6.md)
        +   [七、YOLO 对象检测](docs/master-cv-tf-2x/7.md)
        +   [八、语义分割与神经样式迁移](docs/master-cv-tf-2x/8.md)
    +   [第 3 节：使用 TensorFlow 的计算机视觉的高级实现](docs/master-cv-tf-2x/sec3.md)
        +   [九、使用多任务深度学习的动作识别](docs/master-cv-tf-2x/9.md)
        +   [十、R-CNN，SSD 和 R-FCN 对象检测](docs/master-cv-tf-2x/10.md)
    +   [第 4 节：边缘和云端的 TensorFlow 实现](docs/master-cv-tf-2x/sec4.md)
        +   [十一、带有 CPU/GPU 优化的边缘设备上的深度学习](docs/master-cv-tf-2x/11.md)
        +   [十二、用于计算机视觉的云计算平台](docs/master-cv-tf-2x/12.md)
+   [TensorFlow Lite，ML Kit 和 Flutter 移动深度学习](docs/mobi-dl-tflite/README.md)
    +   [零、前言](docs/mobi-dl-tflite/00.md)
    +   [一、移动深度学习简介](docs/mobi-dl-tflite/01.md)
    +   [二、移动视觉 - 使用设备上的模型的人脸检测](docs/mobi-dl-tflite/02.md)
    +   [三、使用 Google Action 的聊天机器人](docs/mobi-dl-tflite/03.md)
    +   [四、认识植物种类](docs/mobi-dl-tflite/04.md)
    +   [五、从摄像机源生成实时字幕](docs/mobi-dl-tflite/05.md)
    +   [六、构建人工智能认证系统](docs/mobi-dl-tflite/06.md)
    +   [七、语音/多媒体处理 - 使用 AI 生成音乐](docs/mobi-dl-tflite/07.md)
    +   [八、基于强化神经网络的国际象棋引擎](docs/mobi-dl-tflite/08.md)
    +   [九、构建图像超分辨率应用](docs/mobi-dl-tflite/09.md)
    +   [十、前方的路](docs/mobi-dl-tflite/10.md)
    +   [十一、附录](docs/mobi-dl-tflite/11.md)
+   [PyTorch 人工智能研讨会](docs/dl-pt-workshop/README.md)
    +   [零、前言](docs/dl-pt-workshop/0.md)
    +   [一、深度学习和 PyTorch 简介](docs/dl-pt-workshop/1.md)
    +   [二、神经网络的构建块](docs/dl-pt-workshop/2.md)
    +   [三、使用 DNN 的分类问题](docs/dl-pt-workshop/3.md)
    +   [四、卷积神经网络](docs/dl-pt-workshop/4.md)
    +   [五、样式迁移](docs/dl-pt-workshop/5.md)
    +   [六、使用 RNN 分析数据序列](docs/dl-pt-workshop/6.md)
    +   [七、附录](docs/dl-pt-workshop/7.md)
+   [Python 一次学习实用指南](docs/handson-1shot-learn-py/README.md)
    +   [零、前言](docs/handson-1shot-learn-py/0.md)
    +   [第一部分：一次学习简介](docs/handson-1shot-learn-py/sec1.md)
        +   [一、一次学习简介](docs/handson-1shot-learn-py/1.md)
    +   [第二部分：深度学习架构](docs/handson-1shot-learn-py/sec2.md)
        +   [二、基于指标的方法](docs/handson-1shot-learn-py/2.md)
        +   [三、基于模型的方法](docs/handson-1shot-learn-py/3.md)
        +   [四、基于优化的方法](docs/handson-1shot-learn-py/4.md)
    +   [第三部分：其他方法和结论](docs/handson-1shot-learn-py/sec3.md)
        +   [五、基于生成建模的方法](docs/handson-1shot-learn-py/5.md)
        +   [六、总结和其他方法](docs/handson-1shot-learn-py/6.md)
+   [Python 自然语言处理实用指南](docs/handson-nlp-pt-1x/README.md)
    +   [零、前言](docs/handson-nlp-pt-1x/0.md)
    +   [第一部分：用于 NLP 的 PyTorch 1.x 的要点](docs/handson-nlp-pt-1x/sec1.md)
        +   [一、机器学习和深度学习的基础](docs/handson-nlp-pt-1x/1.md)
        +   [二、用于 NLP 的 PyTorch 1.x 入门](docs/handson-nlp-pt-1x/2.md)
    +   [第二部分：自然语言处理基础](docs/handson-nlp-pt-1x/sec2.md)
        +   [三、NLP 和文本嵌入](docs/handson-nlp-pt-1x/3.md)
        +   [四、文本预处理，词干提取和词形还原](docs/handson-nlp-pt-1x/4.md)
    +   [第三部分：使用 PyTorch 1.x 的实际 NLP 应用](docs/handson-nlp-pt-1x/sec3.md)
        +   [五、循环神经网络和情感分析](docs/handson-nlp-pt-1x/5.md)
        +   [六、用于文本分类的卷积神经网络](docs/handson-nlp-pt-1x/6.md)
        +   [七、使用序列到序列神经网络的文本翻译](docs/handson-nlp-pt-1x/7.md)
        +   [八、使用基于注意力的神经网络构建聊天机器人](docs/handson-nlp-pt-1x/8.md)
        +   [九、前方的路](docs/handson-nlp-pt-1x/9.md)
+   [PyTorch 人工智能基础知识](docs/pt-ai-fund/README.md)
    +   [零、前言](docs/pt-ai-fund/0.md)
    +   [一、使用 PyTorch 使用张量](docs/pt-ai-fund/1.md)
    +   [二、与神经网络协作](docs/pt-ai-fund/2.md)
    +   [三、用于计算机视觉的卷积神经网络](docs/pt-ai-fund/3.md)
    +   [四、用于 NLP 的循环神经网络](docs/pt-ai-fund/4.md)
    +   [五、迁移学习和 TensorBoard](docs/pt-ai-fund/5.md)
    +   [六、探索生成对抗网络](docs/pt-ai-fund/6.md)
    +   [七、深度强化学习](docs/pt-ai-fund/7.md)
    +   [八、在 PyTorch 中生产 AI 模型](docs/pt-ai-fund/8.md)
+   [PyTorch 深度学习实用指南](docs/pt-dl-handson/README.md)
    +   [零、前言](docs/pt-dl-handson/0.md)
    +   [一、深度学习演练和 PyTorch 简介](docs/pt-dl-handson/1.md)
    +   [二、简单的神经网络](docs/pt-dl-handson/2.md)
    +   [三、深度学习工作流程](docs/pt-dl-handson/3.md)
    +   [四、计算机视觉](docs/pt-dl-handson/4.md)
    +   [五、序列数据处理](docs/pt-dl-handson/5.md)
    +   [六、生成网络](docs/pt-dl-handson/6.md)
    +   [七、强化学习](docs/pt-dl-handson/7.md)
    +   [八、生产中的 PyTorch ](docs/pt-dl-handson/8.md)
+   [TensorFlow 强化学习](docs/rl-tf/README.md)
    +   [零、前言](docs/rl-tf/00.md)
    +   [一、深度学习–架构和框架](docs/rl-tf/01.md)
    +   [二、使用 OpenAI Gym 训练强化学习智能体](docs/rl-tf/02.md)
    +   [三、马尔可夫决策过程](docs/rl-tf/03.md)
    +   [四、策略梯度](docs/rl-tf/04.md)
    +   [五、Q 学习和深度 Q 网络](docs/rl-tf/05.md)
    +   [六、异步方法](docs/rl-tf/06.md)
    +   [七、一切都是机器人-真正的战略游戏](docs/rl-tf/07.md)
    +   [八、AlphaGo –最好的强化学习](docs/rl-tf/08.md)
    +   [九、自动驾驶中的强化学习](docs/rl-tf/09.md)
    +   [十、金融投资组合管理](docs/rl-tf/10.md)
    +   [十一、机器人技术中的强化学习](docs/rl-tf/11.md)
    +   [十二、广告技术中的深度强化学习](docs/rl-tf/12.md)
    +   [十三、图像处理中的强化学习](docs/rl-tf/13.md)
    +   [十四、NLP 中的深度强化学习](docs/rl-tf/14.md)
    +   [十五、强化学习的其他主题](docs/rl-tf/15.md)