這里介紹一種深度殘差網(deep residual networks)的訓練過程：
1、通過下面的地址下載基於python的訓練代碼：
https://github.com/dnlcrl/deep-residual-networks-pyfunt
2、這些訓練代碼需要和pydataset包。下面介紹這兩個包的安裝方法。
(1)pyfunt需要安裝。
用命令：pip install git+git://github.com/dnlcrl/PyFunt.git 進行下載安計。
安裝時numpy需要1.11及以上，但筆者機器上的numpy為1.10，因此，還采用了如下命令對其進行升級：
pip install numpy --upgrade
(2)pydataset
pydataset主要用於數據預處理。 由於pydataset包需要cv2(opencv for python)，但無法用pip安裝cv2（該項目好像停止了）。因此只有通過下載opencv3.0(我下載的是opencv-3.0.0.exe)，然后解壓，在解壓后的\build\python\2.7\x64目錄下將cv2.pyd文件拷貝到python的site-packages目錄下，注意，筆者機器上安裝的是64位的python2.7，所以選擇的是這個路徑，不同的python版本和平台，其路徑不一樣。
然后需要設置opencv的路徑。具體設置方法見下圖（注意，筆者的opencv是安裝在F:\tool\opencv，不同的opencv安裝路徑，其設置內容不一樣）：
然后下載通過： https://github.com/dnlcrl//PyDatSet 下載PyDatSet，解壓，在所解壓的目錄python setup.py install來安裝。
3、下載cafir10 for python的數據集，然后解壓，記住這個目錄，在第一次運行train.py時，需要輸入這個目錄的全路徑。
4、由於源代碼有bug，需要修改源代碼。
主要修改的源代碼有：
(1) train.py中的 NUM_TRAIN = 40000 (源代碼是5000)；
(2)cifar10.py文件（在python安裝目錄下的lib\site-packages\pydatset目錄下）中的load函數中的 for b in range(1, 5)；(源代碼為6)
(3)cifar10.py文件（在python安裝目錄下的lib\site-packages\pydatset目錄下）中的load_CIFAR_batch函數中的with open(filename, 'rb') as f；(源代碼為'r')；
5、通過執行python train.py就可以進行訓練了。