前言：本文章純屬自己學習路線紀錄，不喜勿噴。
最近AI很火，幾乎是個程序員 都要去學習AI，作為一個菜雞小前端，我也踏上了學習AI的方向。
在學習之中，最開始遇到了很多的困難，比如你不知道如何切入進來學習AI，你網上搜集到的資料都是各種各樣，完全象各種碎片一樣，自己又無法拼湊起來 形成一個完美的學習課程，
我前后摸索，看了很多視頻，學到了很多的關鍵字，聽到了很多各種各樣的名詞，loss fn ,卷積神經網絡，paddlepaddle,imgnet,積木，等等。頭腦很亂 時間花了不少，但是學習效果很卑微。
在看了極客，慕課，百度，阿里的機器學習之后，我決定我前端以應用層的視角切入AI，即：
了解AI的過程和簡單原理，
掌握如何調用AI的接口，
在應用層展示模型數據的反饋，
最后掌握如何在前端調用模型，利用kares.js來在瀏覽器做模型計算（可能比較滿）並且反饋在頁面上。
正文：
目前AI我了解到主要有情感識別，數字識別，圖片分類，等等 ，簡單來講就是
X*W=Y
即：通過大量的數據，每一個X對應一個Y，通過大量的數據和數學反推，找到一個最合適的數據模型（W）。 具體的數學方便的知識我就不記錄了，因為太多了。建議學習的童鞋可以先通過看教學視頻了解什么是AI。
推薦2個學習視頻地址：
2.極客網上，記錄的關於paddlepaddle例子的講解。
看了資料，對AI有了認識，對如何實現具體功能有了了解之后，開始具體自己來跑paddle的例子。
悲劇的事第一個就開始了（window做開發坑真的多），由於大量的資料都是谷歌的，基本中文資料相對比較少，我個人英文吃力，所以選擇了學習了百度的paddlepaddle ，
Ps:我是win10 系統，paddle paddle不直接支持window 系統，所以我用python環境安裝（python的環境是必備的，不清楚可以搜廖雪峰老師的python教程）的paddle就一直報錯，
轉而在docker 環境下去學習paddle。具體安裝docker 的教程我就直接附上地址吧， 這篇博客安裝docker 還是很有用的(window);
docker 環境安裝好，就開始安裝paddle 環境，這個我自己繞了很多路，都沒弄好，最后直接在官網看到了最簡單的方式
使用Docker安裝運行
使用Docker安裝和運行PaddlePaddle可以無需考慮依賴環境即可運行。並且也可以在Windows的docker中運行。 您可以在 Docker官網 獲得基本的Docker安裝和使用方法。
如果您在使用Windows，可以參考 這篇 教程，完成在Windows上安裝和使用Docker。
在了解Docker的基本使用方法之后，即可開始下面的步驟：
獲取PaddlePaddle的Docker鏡像
執行下面的命令獲取最新的PaddlePaddle Docker鏡像，版本為cpu_avx_mkl：
docker pull paddlepaddle/paddle
對於國內用戶，我們提供了加速訪問的鏡像源：
docker pull docker.paddlepaddlehub.com/paddle
下載GPU版本（cuda8.0_cudnn5_avx_mkl）的Docker鏡像：
docker pull paddlepaddle/paddle:latest-gpu docker pull docker.paddlepaddlehub.com/paddle:latest-gpu
選擇下載使用不同的BLAS庫的Docker鏡像：
# 默認是使用MKL的鏡像 docker pull paddlepaddle/paddle # 使用OpenBLAS的鏡像 docker pull paddlepaddle/paddle:latest-openblas
下載指定版本的Docker鏡像，可以從 DockerHub網站 獲取可選的tag，並執行下面的命令：
docker pull paddlepaddle/paddle:[tag] # 比如： docker pull docker.paddlepaddlehub.com/paddle:0.11.0-gpu
樓主是安裝的Gpu 版本的docker。網速不好的童鞋 一定要選擇國內的鏡像哦，不然像樓主一樣，安了2個多小時 才不到百分之30，最后用國內鏡像，10分鍾就搞定了。
然后 我繼續安裝了paddle/book, ，如果你裝好了paddle環境，那么直接運行
docker run -p 8888:8888 paddlepaddle/book
就會自動找尋最穩定的book 版本安裝；
安裝好后就可以先跑paddle官方的demo了，。