看完了Deep Learning with Python，尝试了部分Keras的demo代码。
感觉Keras虽然容易上手，能够快速搭建出一个通用的模型，但是缺乏对底层的控制。
同时，在使用了自己编译的支持CUDA 10的tensorflow之后，总感觉有些不可控的bug出现；即使仅仅只是把demo代码改为自己的小工程，也有诸如load_model不能放在循环外（否则cudnn报错），第一次model.predict正确，但是循环做第二个predict就出错。在网上搜索了好几天，也没有找到问题的解答，怀疑是没有使用官方的支持CUDA 10版本。
所以，决定转向到pytorch上。原因有三：1. 有官方的CUDA10正式版本，并且从网上的反馈来看，版本维护及支持比keras好；2. 能够对于深度学习的底层过程有更多的了解和控制；3. pytorch的嵌入式系统可移植性也很高，貌似速度更快。
系统： Ubuntu 18.04
硬件：1080Ti
1. Pytorch ubuntu安装
官方网站：https://pytorch.org/，选择正确的系统信息：
这里需要运行sudo命令，否则直接运行pip3会报错没有权限
sudo -H pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-linux_x86_64.whl
sudo -H pip3 install torchvision
2. 测试安装是否正常
返回一个5X3的随机矩阵
3. 检查是否有CUDA支持
返回True