入门路线
1、首先在自己电脑上安装一个开源的框架，像Tensorflow、caffe这样的，先玩一下这个框架，把框架用起来
2、然后跑一些基础的网络，由浅入深
3、如果有条件的话，整个有GPU的电脑，GPU跑的要快很多，跟CPU比起来
详细点说，我认为可以按以下步骤去学习它：
第一个阶段：
1）、实现并训练只有一层的softmax回归模型用于手写数字图片分类；
2）、实现并训练含三个全连接层的模型用于手写数字图片分类；
3）、实现并训练含三个卷基层+池化层的模型用于手写数字图片分类；
阶段目的：搞懂一些机器学习、深度学习的概念，找个开源工具并用起来，尝试着训练一些简单的网络，试试加入一些常见的trick去调试网络。
第二个阶段：
训练一些经典的CNN分类网络，熟悉一些常用数据集，熟悉下CNN分类网络的发展历程，一些trick的更替：
1）、Lenet，1986年
2）、Alexnet，2012年
3）、GoogleNet，2014年
4）、VGG，2014年
5）、ResNet，也有人称呼残差网络，2015年
这个几个网络是都是深度学习在图像领域的经典之作，在pc上实现了它们，训练它们，同时你又仔细推敲看看他们的网络结构。
阶段目的：在实际当中独立使用它们，也可以结合传统的图像处理技术使用它们。一句话：你已经入门了
