某天(今天)下午闲的没事干，想起了当初学了一堆的深度学习的数学概念，还看了Keras的官方文档，既然会写(抄)代码和懂了理念，不如自己折腾点东西玩玩。

说干就干.png，本来是想做个OCR系统在写个GUI界面弄个小软件的，因为种种原因放弃(不喜欢那个数据集)，猫狗大战的话数据量太大。挑来挑去选择了迁移学习，使用VGG16的结构去识别MNIST手写文字，怎么感觉有一个好的开始却选择了一个low的实现呢？其实也无所谓，重点是实现过程，有了这次过程实现以后的迁移学习就不是问题了。

本文收录内容：

• 边缘检测与卷积运算
• 卷积神经网络的Keras实现
• 残差网络，Inception，迁移学习的简单介绍。

重点是对于这些概念的理解，如果想观看具体概念的实现请往他处。

其实是想把这个的标签设成python的，后来想想设置成keras，后来是改成了deeplearning。如果想看算法或代码请往他处，这里只是记录学习中的收获，或者更多的是理解。就像AI的发展，每次遇到坑都会出现新的解决方案和算法，所以重点不是那些算法，而是如何面对问题，解决问题，什么样的新思路。

本文内容如下：有关读完keras和tensorflow官方文档的收获。

让python更酷更实用一些~

记录一些黑魔法，比如正则表达式，或者各种库的应用，虽然感觉日后可能并无卵用。

暂时收录：

• pandas 对多属性约束下的数据筛选(比如接收到一份excel数据后对数据的快速清洗)。
• numpy的广播机制。
• pandas 将数据写入同一个excel文件的多个sheet表。
• numpy存取csv文件
• 在需要多次写入csv文件的情况下，如何保持不会产生空行

停止更新，并无卵用。（日后这里会记录numpy和pandas，等我用熟了再说）

设置代码字体

listings 宏包的原作者觉得，不应该把字体的审美强加于用户，所以「裸用」lstlisting 环境列出代码，结果就是源代码会使用「正文字体」被显示出来。

很明显地，源代码使用了「正文字体」（看起来很像 Times New Roman Computer Modern Roman），虽然说是按字母对齐，但是极丑无比。这个「正文字体」本身是「比例字体」，也就是说每个字母宽度本来就是不一样的，例如 m 就会比较宽、i 就会比较窄。「比例字体」不适合用于源代码的抄录，所以强调了要设置「等宽字体」。

参考文献中的大小写问题