本書精講移動平臺深度學習系統所需核心演算法、硬體級指令集、系統設計與程式設計實戰、海量資料處理、業界流行框架裁剪與產品級性能優化策略等，深入、翔實。

深度學習基礎（第1～4章），介紹開發機器學習系統所需重要知識點，以及開發移動平臺機器學習系統演算法基石，諸如人工神經網路、稀疏自編碼器、深度網路、卷積神經網路等。

移動平臺深度學習基礎（第5～6章），介紹移動平臺開發環境搭建、移動平臺開發基礎、ARM指令集加速技術，以及羽量級網路的實現原理與實戰。

深入理解深度學習（第7～8章），剖析資料預處理原理與方法，高性能即時處理系統開發，以及基於深度神經網路的物體檢測與識別。本篇是下一篇內容的前導與“基石”。

深入理解移動平臺深度學習（第9～12章），本篇應用前述章節的框架與技術，實現移動平臺深度學習系統的實現與集成，具體涵蓋：(1)移動平臺性能優化，資料獲取與訓練，為開發移動平臺圖像分類系統建立基礎；(2)深入剖析TensorFlow Lite代碼體系、構建原理、集成方法以及核心代碼與裁剪分析，模型處理工具，並完成移動平臺系統集成；(3)結合實戰分析主流移動平臺機器學習框架、介面，並展望未來。