而神經網絡需要學習的有：
從生物神經元到人工神經元
激活函數Relu、Tanh、Sigmoid
透過神經網絡拓撲理解邏輯回歸分類
透過神經網絡拓撲理解Softmax回歸分類
透過神經網絡隱藏層理解升維降維
剖析隱藏層激活函數必須是非線性的原因
神經網絡在sklearn模塊中的使用
水泥強度預測案例及繪制神經網絡拓撲
BP反向傳播算法需要學習的有：
BP反向傳播目的
鏈式求導法則
BP反向傳播推導
不同激活函數在反向傳播應用
不同損失函數在反向傳播應用
Python實現神經網絡實戰案例
TensorFlow深度學習工具設計到：
TF安裝（包含CUDA和cudnn安裝）
TF實現多元線性回歸之解析解求解
TF實現多元線性回歸之梯度下降求解
TF預測california房價案例
TF實現Softmax回歸
Softmax分類MNIST手寫數字識別項目案例
TF框架模型的保存和加載
8) TF實現DNN多層神經網絡
9) DNN分類MNIST手寫數字識別項目案例
10) Tensorboard模塊可視化
這些就是深度學習涉及到的壹些知識，壹般來說深入理解神經網絡算法及其優化算法，掌握TensorFlow開發流程，通過實現神經網絡完成回歸和分類任務。TensorFlow框架學好了，其它深度學習框架比如Keras、PyTorch掌握起來易如反掌。另外可以進行壹些實戰，這樣才更熟練。