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。
如果对本文有疑问或者想找男朋友，可以联系我，点击此处有我联系方式。
大概是元旦放假闲的没事干把剩余的Tensorflow的官方文档看完了，同样是大年初三又开始没事干，花了几天读完了Keras的官方文档，谈谈收获吧。当然不是说哪个库不好，还有更多的库比如pytorch，caffee，又不可能都学，重点是方法。
相比之下，两份文档都是先从基本的二分类开始说起，到后面的多分类，二分类是什么激活函数，多分类又是什么激活函数。之后开始了one-hot编码，词嵌入，图像卷积，循环神经网络，等等等等。
说实话在官方文档的带领下，写一份代码并不是很难，重点是对中间数学过程的理解。
比如什么是softmax，比如什么是词嵌入，为什么词嵌入，图像处理为什么使用卷积，valid和same卷积是什麽，循环网络是如何循环的，eproch，batch是什么，梯度下降是如何运行的，时间步、序列长度又是什么，等等等等，我感觉这些应该才是关心的重点。
参数忘了可以随时查，参数含义忘了也可以查，但是还是要理解基本的观念。
如果感兴趣会继续读下去，当然不在想说卷积、池化是如何运行的，只想更关心原理。
虽然写了一堆看似没用的话，但是时至今日，踩了很多的坑后才发现这些才是重点。所以，不必着急写代码，也不用着急去干项目和比赛，先把基础的理念搞清楚。
