在之前写的一文“关于PDNN、Theano、Numpy以及Scipy的安装”中介绍了Theano的安装，
下面简单的介绍一下PDNN的安装与使用，哎，这个从学习的角度来讲自己亲自动手实现一遍深度学习中的算法，
这个当然是最好了，不过目前嘛用一下toolkit也不算大错吧，何况搞编程的不是说不能重复造轮子么。
具体安装方法在官网上有，http://www.cs.cmu.edu/~ymiao/pdnntk.html，我在这而就当一个搬运工罢了。
感兴趣的可以来看看。
为什么使用PDNN？
------------------------------------------------------------------别人叫这个叫做分割线
PDNN实现了一整套的（深度学习）模型。包括有无监督的学习（SDAs，RBMs），
监督学习（DNN，CNN）和多任务的学习都可以在这个单一的框架内实现。
PDNN是在考虑非DL研究人员的需要开发出一种易于使用的工具包。
训练一个深度学习的模型正如调用下面的命令那样简单。
在CPU和GPU之间的转换是自动进行的，这取决于GPUs是否检测到存在。
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
（我居然把上面的哪个例子直接拿来用，真是见鬼了，上面那个例子只是示范，不能真正运行）
PDNN也有利于进一步的开发。层次化的代码组织（commands->models->layers）具有很好的可读性。
Theano的安装环境支持梯度计算。这使得用户能够将精力集中在算法/结构的设计上，而不是被令人头疼的梯度求导所困扰。
（多一句嘴，确实，在搞这些机器学习算法的时候，大多需要进行优化计算以寻找到最优的参数，而最优化问题目前还是梯度法用的最多）
安装
-------------------------------------------------------------------------------分割线又来了
1. 安装Theano。
2. 检查GitHub上PDNN的稳定版本。
git clone https://github.com/yajiemiao/pdnn
3. 添加PDNN的路径到PYTHONPATH
export PYTHONPATH=/path/to/pdnn:$PYTHONPATH
这个PDNN应该算是python的第三方库，由于我对python不熟练，
在bash下，运行echo $PYTHONPATH，发现啥都没有，然后懵逼了，死活不知道怎么搞着pdnn路径
后来还是搞清楚了，上面的第三局还是照常执行，然后效果要在python中看，如下图
