神经网络的训练步骤和部署方法
训练一个网络的三要素：结构、算法、权值
网络模型一旦选定，三要素中结构和算法就确定了，接下来要对权值进行调整。

神经网络是将一组训练集（training set）送入网络，根据网络的实际输出与期望输出间的差别来调整权值。

训练模型的步骤：
选择样本集合的一个样本（Ai Bi）（数据标签）
送入网络，计算网络的实际输出Y（此时网络中的权重都是随机的）
计算D=Bi -Y（预测值与实际值的差）
根据误差D调整权值矩阵W
对每个样本重复上述过程，直到对整个样本集来说，误差不超过规定范围。

使用神经网络框架
Caffe是一种开源的软件框架，利用这套框架，我们可以实现新的网络、修改已有的神经网络、训练网络、编写网络使用。

实现新的网络
1 数据打包
2 编写网络结构文件
3 编写网络求解文件
4 开始训练
caffe的文件结构
data 用于存放下载的训练数据
例如安装后会有mnist ilsvrc12 cifar10
docs example 使用的帮助文档和代码样例
使用与部署。