在之前寫的一文“關於PDNN、Theano、Numpy以及Scipy的安裝”中介紹了Theano的安裝，
下面簡單的介紹一下PDNN的安裝與使用，哎，這個從學習的角度來講自己親自動手實現一遍深度學習中的演算法，
這個當然是最好了，不過目前嘛用一下toolkit也不算大錯吧，何況搞程式設計的不是說不能重複造輪子麼。
具體安裝方法在官網上有，http://www.cs.cmu.edu/~ymiao/pdnntk.html，我在這而就當一個搬運工罷了。
感興趣的可以來看看。
為什麼使用PDNN？
------------------------------------------------------------------別人叫這個叫做分割線
PDNN實現了一整套的（深度學習）模型。包括有無監督的學習（SDAs，RBMs），
監督學習（DNN，CNN）和多工的學習都可以在這個單一的框架內實現。
PDNN是在考慮非DL研究人員的需要開發出一種易於使用的工具包。
訓練一個深度學習的模型正如呼叫下面的命令那樣簡單。
在CPU和GPU之間的轉換是自動進行的，這取決於GPUs是否檢測到存在。
python pdnn/cmds/run_DNN.py --train-data "train.pickle.gz,partition=600m,random=true" \
--valid-data "valid.pickle.gz,partition=600m,random=true" \
--nnet-spec "784:1024:1024:1024:1024:1024:1901" \
--wdir ./ --param-output-file dnn.mdl（我居然把上面的哪個例子直接拿來用，真是見鬼了，上面那個例子只是示範，不能真正執行）
PDNN也有利於進一步的開發。層次化的程式碼組織（commands->models->layers）具有很好的可讀性。
Theano的安裝環境支援梯度計算。這使得使用者能夠將精力集中在演算法/結構的設計上，而不是被令人頭疼的梯度求導所困擾。
（多一句嘴，確實，在搞這些機器學習演算法的時候，大多需要進行優化計算以尋找到最優的引數，而最優化問題目前還是梯度法用的最多）
安裝
-------------------------------------------------------------------------------分割線又來了
1. 安裝Theano。
2. 檢查GitHub上PDNN的穩定版本。
git clone https://github.com/yajiemiao/pdnn
3. 新增PDNN的路徑到PYTHONPATH
export PYTHONPATH=/path/to/pdnn:$PYTHONPATH
這個PDNN應該算是python的第三方庫，由於我對python不熟練，
在bash下，執行echo $PYTHONPATH，發現啥都沒有，然後懵逼了，死活不知道怎麼搞著pdnn路徑
後來還是搞清楚了，上面的第三局還是照常執行，然後效果要在python中看，如下圖
