在基于 Centos6.9 + Anaconda 搭建 TensorFlow 深度学习环境成功后，在导入 import TensorFlow 时，可能会产生如下报错：/usr/lib/libstdc++.so.6:version ‘CXXBAI_1.3.9’not found...，怎么办？！！

在较为老旧版本的 Centos 中搭建 TensorFlow 深度学习开发环境时（例如：Centos6.9），由于 GNU GLIBC 库（内核运行库）版本比较低，我们需要对其进行更新以满足 TensorFlow 的安装需求。

更新时，执行误操作只要不断开远程连接还有挽回的余地，但远程异常断开连接之后很多人就没有辙了，准备抢救数据&文件，重装系统。事实上，我们先不要急着重装系统，来试一试是否可以 Rescue ！

工欲善其事，必先利其器。在开始深度学习课程之前，首要的是需要选择一台性能合适的机器来部署深度学习环境以进行学习试验。关于 “选择性能合适的机器”，一般意味着 “好的CPU”，“大内存”，“大硬盘”，“GPU支持”。当然考虑到经济问题以及以学习为优先，利用我们手头闲置的配置最好的机器就可以开始配置深度学习环境了（性能低）。

编程入门有 Hello World，机器学习入门有 MNIST。本篇我们来看手写体数字图像数据集 MNIST 的获取和使用。

在计算机视觉中，图像是以像素矩阵（Image Pixel Matrix）的形式进行表示和处理的。

从 NumPy ndarray 的内存布局以及设计哲学，深入浅析 ndarray 多维数组的结构设计，以及相关属性。

NumPy 是 Numerical Python 的缩写，它是 Python 语言的一个第三方数值计算库，用于弥补 Python 对多维数组和矩阵运算的支持。其地位斐然，是 Python 进行科学计算、数据分析以及机器学习的基础包，必须掌握不可！！！

话不多说，一睹为快~~~

在程序运行过程中，总会遇到各种各样的错误，这会使得程序运行结果和预期不符，严重时甚至会导致程序奔溃。

在编码过程中使用合理的 异常处理机制，可以帮助程序在运行出现错误时，捕获并且并处理这些错误，进而尝试恢复程序的执行，或者进行一些程序崩溃前的必要工作（如内存中的数据写入文件等）。异常处理机制对于编写一个良好的、健壮的程序是至关重要的。

Python 类中，凡是以双下划线 __ 开头和结尾命名的成员（属性和方法），都被称为类的特殊成员（特殊属性和特殊方法），例如类的 __init__(self) 构造方法。此外，Python 类中还包含很多其它的特殊成员，包括 __del__(self)、__new__(self) 等等，这里会一一进行详解。

前面我们提到过，我们知道 面向对象的编程概述。面向过程是具体化的，流程化的，解决一个问题，你需要一步一步的分析，一步一步的实现，这就是面向过程的设计。而面向对象呢？其实，面向对象是模型化的，你只需抽象出一个类，这是一个封闭的盒子，在这里你拥有数据也拥有解决问题的方法。

一切皆对象，面向对象的程序设计把计算机程序视为一组对象的集合，而每个对象都可以接收其他对象发过来的消息，并处理这些消息，计算机程序的执行就是一系列消息在各个对象之间传递。