因為以前沒有神經網路的基礎，所以這本書從神經網路開始講起，剛好可以補足缺乏的地方的。這本書裡的深度學習範例，是以影像辨識為主，所以會從類神經一路講到卷積網路（CNN)。
由類神經網路開始，然後神經網路學習和誤差反向傳播法，裡面會用到微分的概念，裡面有很詳盡的介紹，也有範例程式碼，同時也會學到神經網路的層層網路結果，一直到後面的卷積網路，也是透過增加不同的卷積層和池化層去實現。
有以上的基礎，之後看到 VGG 或 ResNet 等其他深度學習的方法，也是以神經網路為基礎，然後有不同的網路結構，可以依據既有神經網路的了解，更快了解其他深度學習的演算法。
現在有很多工具如 tensor flow、pytorch 等，不過在理解這些深度學習的演算法後，再去使用那些工具應該可以更加得心應手，而且超參數的調整，也需要對演算法有一定的理解。
如果想從頭開始了解深度學習的原理，這是個很好的開始，但是裡面有不少數學的運算，如 sigmoid、softmax、微分、偏微分、矩陣運算，要花點時間理解，需要較長時間的閱讀，但閱讀完後會對深度學習有一定的深入了解。