前言：本文章纯属自己学习路线纪录，不喜勿喷。
最近AI很火，几乎是个程序员 都要去学习AI，作为一个菜鸡小前端，我也踏上了学习AI的方向。
在学习之中，最开始遇到了很多的困难，比如你不知道如何切入进来学习AI，你网上搜集到的资料都是各种各样，完全象各种碎片一样，自己又无法拼凑起来 形成一个完美的学习课程，
我前后摸索，看了很多视频，学到了很多的关键字，听到了很多各种各样的名词，loss fn ,卷积神经网络，paddlepaddle,imgnet,积木，等等。头脑很乱 时间花了不少，但是学习效果很卑微。
在看了极客，慕课，百度，阿里的机器学习之后，我决定我前端以应用层的视角切入AI，即：
了解AI的过程和简单原理，
掌握如何调用AI的接口，
在应用层展示模型数据的反馈，
最后掌握如何在前端调用模型，利用kares.js来在浏览器做模型计算（可能比较满）并且反馈在页面上。
正文：
目前AI我了解到主要有情感识别，数字识别，图片分类，等等 ，简单来讲就是
X*W=Y
即：通过大量的数据，每一个X对应一个Y，通过大量的数据和数学反推，找到一个最合适的数据模型（W）。 具体的数学方便的知识我就不记录了，因为太多了。建议学习的童鞋可以先通过看教学视频了解什么是AI。
推荐2个学习视频地址：
2.极客网上，记录的关于paddlepaddle例子的讲解。
看了资料，对AI有了认识，对如何实现具体功能有了了解之后，开始具体自己来跑paddle的例子。
悲剧的事第一个就开始了（window做开发坑真的多），由于大量的资料都是谷歌的，基本中文资料相对比较少，我个人英文吃力，所以选择了学习了百度的paddlepaddle ，
Ps:我是win10 系统，paddle paddle不直接支持window 系统，所以我用python环境安装（python的环境是必备的，不清楚可以搜廖雪峰老师的python教程）的paddle就一直报错，
转而在docker 环境下去学习paddle。具体安装docker 的教程我就直接附上地址吧， 这篇博客安装docker 还是很有用的(window);
docker 环境安装好，就开始安装paddle 环境，这个我自己绕了很多路，都没弄好，最后直接在官网看到了最简单的方式
使用Docker安装运行
使用Docker安装和运行PaddlePaddle可以无需考虑依赖环境即可运行。并且也可以在Windows的docker中运行。 您可以在 Docker官网 获得基本的Docker安装和使用方法。
如果您在使用Windows，可以参考 这篇 教程，完成在Windows上安装和使用Docker。
在了解Docker的基本使用方法之后，即可开始下面的步骤：
获取PaddlePaddle的Docker镜像
执行下面的命令获取最新的PaddlePaddle Docker镜像，版本为cpu_avx_mkl：
docker pull paddlepaddle/paddle
对于国内用户，我们提供了加速访问的镜像源：
docker pull docker.paddlepaddlehub.com/paddle
下载GPU版本（cuda8.0_cudnn5_avx_mkl）的Docker镜像：
docker pull paddlepaddle/paddle:latest-gpu docker pull docker.paddlepaddlehub.com/paddle:latest-gpu
选择下载使用不同的BLAS库的Docker镜像：
# 默认是使用MKL的镜像 docker pull paddlepaddle/paddle # 使用OpenBLAS的镜像 docker pull paddlepaddle/paddle:latest-openblas
下载指定版本的Docker镜像，可以从 DockerHub网站 获取可选的tag，并执行下面的命令：
docker pull paddlepaddle/paddle:[tag] # 比如： docker pull docker.paddlepaddlehub.com/paddle:0.11.0-gpu
楼主是安装的Gpu 版本的docker。网速不好的童鞋 一定要选择国内的镜像哦，不然像楼主一样，安了2个多小时 才不到百分之30，最后用国内镜像，10分钟就搞定了。
然后 我继续安装了paddle/book, ，如果你装好了paddle环境，那么直接运行
docker run -p 8888:8888 paddlepaddle/book
就会自动找寻最稳定的book 版本安装；
安装好后就可以先跑paddle官方的demo了，。