原创！！转载请标明原地址！！
主要靠自学，网上资源很多，有问题多上网查查95%都能靠自己解决
一、具体学习内容：
1.学习python和tensorflow
https://morvanzhou.github.io/
python基础学习：莫烦python的“python基础”->“基础”这个模块，这块学完了就OK（1~2天 学完）
tensorflow基础学习：莫烦python的“机器学习”->“神经网络”->“Tensorflow”这个模块，只用看1-29了解什么是CNN，以及其中的各个模块（在看这个视频的时候讲到分类时有一个mnist数字识别，自己写一下这个代码，整体时间需要1周）
2.水果分类
https://github.com/Horea94/Fruit-Images-Dataset
水果分类的数据和代码来自于上面这个链接，它现在已经有75类水果了，介于苹果的种类比较多，可以去掉部分苹果数据，两个人每人33类水果做分类。
由于数据噪音不多，这个分类的代码很简单，由4个卷积层和2个全连接层得到。
根据前面两个同学的经验，简单的网络准确率能到95%。
自己实现一下简单的网络：从文件夹读数据、编写网络结构、保存模型和结果、训练测试这几个方面。（1周时间）
后面有两种选择，主要看时间充裕与否：
1.学习resnet网络，从理论到实践，自己写结构（1~2周）
2.调用keras的VGG,densenet,resnet各种接口，学会使用各种网络，并比较结果（1周）。这里需要再回到莫烦python中学习部分keras相关代码。
如果后面还有时间，还有一些网上爬下来的背景比较复杂的水果图片，需要筛选数据以及调整网络（数据比较少非常容易过拟合）
提醒大家！！不是代码写完了就完事了，要想准确率高效果好最重要的是调参！！简单的调参一两天，难做的调参一个月！！不要想的那么简单！
二、安装代码以及常用命令：
1.windows系统下载xshell和winscp
Mac系统下载iterm和Filezilla（请不要开代理FQ）
前者是linux终端，输命令使用，后者是linux和本地windows或mac传文件用的。
2.一般情况下是在本地写好代码传到linux服务器上运行，本地写代码的软件可以用pycharm（很好用的ide）。
3.linux上每个人的账户下需要安装anaconda和tensorflow。尽量安装最新版。
（1）anaconda https://www.anaconda.com/download/#linux
下载之后拖到自己名字命名的文件夹下
安装anaconda命令： bash ××.sh
（2）安装tensorflow命令： conda create -y -n tf18env27 numpy scipy tensorflow-gpu=1.8 ipython
每次运行都要先激活环境source activate tf18env27 跳出该环境时 source deactivate tf18env27 这个 tf18env27 名称如果不记得了可以通过在命令行输入 conda info -e看到
其他的模块需要安装都用conda install ×× 例如 conda install opencv 装了之后命令行输入conda list就可以看见你新装的模块了
4.运行代码
直接运行：python yourcode.py
后台运行：nohup python -u yourcode.py > yourcoderesult.log &
ipython调试：首先在终端下输入ipython,然后run -d yourcode.py
c 直接运行；n 运行下一行；break 123 在123行加入断点； clear 2 清除第二个断点； ll显示所有代码；s 进入到该函数
5.tensorflow运行代码时占用GPU
os.environ["CUDA_VISIBLE_DEVICES"] = '0'
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
自觉在自己的代码前加上这三句话，每个人只占一张GPU。
Wish you a good time!