忙活了这半个月了解了一些，深度学习的东西，了解的还不算深入。基本懂了几个概念。但是无论是从github上down下来的程序，还是从哪个帖子上抄过来的程序，总是跑不通，总是会提示各种各样的错误，算是很悲剧吧。但是这还不是最悲剧的，最悲剧的是被一个sb老师赶出实验室了。寄人篱下确实惨。算 了不发牢骚了。讲正事，这一次程序跑通，是通过网上的一个安装教程做到的。
我先贴上那个网址：
这个网址教你如何安装keras，由于之前用的sypder跑别人的程序，总是跑不了，总是报错，然后找网上的爱好者聊聊，发现还是安装的包，不行，然后我就安装网上的教程一步步地又重新安装了一遍。真的就是安装这个一步步来的（不对，其实也不是一步步来的，因为教研室的电脑配置一般，然后我没有整CUDA ）。
还是比较兴奋的吧，虽然不是自己敲的代码，但是最后能出来一个很高的accuracy，也是有一些欣慰的。但是有个地方，感觉还是让我很不安，将刚才那个网址里面的github代码下载下来。吓了一跳，发现有很多代码是看不懂的，包括其中一些关于docker的内容，几乎就是盲区，再查找资料吧，争取将问题快速解决。图像分类找到好的解决方案。
今天也是可喜的一天，应该是吧。没想到原先在spyder上压根跑不起来的图片分类器，竟然也可以跑了。我分析了一下其中应该有两个原因，一个是spyder的更新导致，原先采用的spyder2怎么着都会报错，但是更新了之后各方面都好用多了。还有一个应该就是按照keras中文文档，安装了sickit-learn依赖库。因此好多问题得到了解决。
demo
我打算在这儿，再写一些从网上抄过来的demo。我将来的实现可能不一定是这个，但是应该会借鉴一些。主要是两部分吧，一个就是数据集的制作，另一个就是深度学习的例子。
开始搭建自己的CNN
是这样的，最近找到了一个比较好的卷积神经网络的博文，还搭配了比较详细的github代码。打算从这个开始入手，搭建自己的卷积神经网络。
基本的步骤：
1 数据的制作
2 模型的建立
3 结果的输出
打算每一步都建立做好，跑出满意的结果，最后返回来写好理论总结和操作步骤上的注意点。