本章主要介绍深度学习的基础知识：人工智能主要是靠数据和算法来驱动，以及神经网络中感知积，卷积神经网络等基础知识介绍，以及CPU、GPU和TPU的架构。
本章主要介绍SE5硬件平台，BM1684芯片架构和BMNNSDK工具链的架构。
本章主要是一些基础实验，Linux基本操作，Python的基础编程，以及TensorFlow和Pytorch入门实验。
本章介绍图像分类概念和发展，几种典型的图像分类的神经网络，最后基于LeNet5（TensorFlow和Pytorch模型）和ResNet神经网络，完成模型的训练，转换和推理运行的整个过程。
本章介绍目标检测的概念和发展，几种常见的目标检测网络模型，最后基于YOLOv5完成目标检测模型的训练，转换和推理。
本章介绍循环神经网络的原理，包括循环神经网络，长短记忆网络和门控循环单元，最后通过基于LSTM的股票预测，来学习循环神经网络的训练，转换和推理的过程。
本章分别介绍人脸检测，对齐和识别的神经网络，最后通过基于RetinaFace和InsightFace实现人脸识别的整个流程。
本章介绍语义分割的概念，语义分割的数据集和典型网络介绍，最后基于ICNet神经网络实现道路场景分割。
本章介绍实例分割的概念，实例分割的数据集和典型网络介绍，基于Mask R-CNN神经网络实现实例分割。
本章介绍压缩感知和图像重建，以及常见的压缩感知和图像重建的神经网络，最后基于ReconNet网络实现图像重建，包括模型的训练，转换和SE5实现推理的过程。
