在上一章中，通过许多数学概念了解了前馈人工神经网络以及多层感知器在特定任务中是如何工作的。首要一点是，较好地掌握机器学习相关的数学基础理论是至关重要的，它可以保证正确且高效地使用那些功能强大的算法。纵观上一章，我们在机器学习实践环节花费了很多的时间和精力，并且尝试了从零开始实现相关算法。在本章，读者可以稍微轻松一点，我们将开始一个令人兴奋的机器学习之旅——使用一个强大的广受机器学习研究者欢迎的库进行深度网络相关的实验，并对其进行高效训练。在现代的机器学习研究中，计算机通常配有强大的图形处理器（GPU）。如果读者对当前机器学习领域最热门的深度学习感兴趣，本章内容就能满足你的需要。不过，如果读者没有功能强大的独立显卡也无需担心，这只是可选项，并非必需的。
在开始之前，我们先来看一下本章大体将涵盖哪些内容：
·使用Theano编写优化的机器学习代码
·为人工神经网络选择合适的激励函数
·使用Keras深度学习库进行快速便捷的实验
