Python库多如牛毛，但是不得不说有一些库他妈的奇坑
搞DL？选择一个图像处理库吧
有时候我搞不懂为什么现在很多人搞深度学习一上来就研究CNN，RNN，这些可以说是最简单的，真正细节的东西你直接就忽略了。你可能会否认，那我问你一个很简单的问题？VGG官方的版本对图片是怎么进行预处理的？如果我改变一种预处理方式准确率会发生什么样的变化？
这些问题很少有人思考，或者说，大佬们做东西从来不讲究这些细节问题，我敢说他们自己也没有研究，夏菊巴乱搞了一同就说这个牛逼，这个可以搞。
那作为一个饮水思源，喜欢刨根问底的人，也可以理解我智商比较低，我搞不明白那么高大上的东西，咱能不假大空，老老实实一步一步搞东西么？这就是说为什么现在深度学习这么浮夸，不像我们写一个程序，一五一十的一步步来，啥事都有一个标准，你标准不对了就搞不成。所以现在DL面临的一个问题是过于分散，你看聚吧一个图像分类的东西，至少有上千种实现方法，我说的方法不同定义在除了网络以外，包括库的不同，预处理的不同，以及其他很多不同。没有人思考过或者写过这些东西。今天我就说一下把。
如果你喜欢skimage，那么请不要看下去了，我不喜欢skimage
很多人用过scikit-learn这个库，觉得很简单，机器学习超级简单，一个函数就可以解决，确实是，机器学习方法本来就是一个函数的事情。由此很多人推断出skimage这个框架也应该很牛逼。但是，根据我的实际使用，skimage功能确实丰富，我们来看一段代码：
image = skimage.io.imread('dog.jpg')
skimage.io.imshow(image)
plt.show()
这是skimage读取图片并显示，要三行代码，这尼玛能叫python库？能两行代码解决的问题你就不要三行好么？再来看看PIL：
image = Image.open('dog.jpg')
image.show()
就两行。很多人就会说了，你个无脑喷子，知道skimage的强大么？我没有说过这个观点，skimage确实很丰富我前面提到过，但是请允许我邀请大家多运行一下skimage的这个函数：
# 没有错，还必须导入这么一堆，不然没有方法提示
from skimage import io, transform
skimage.transform.rescale((80, 80))
我他妈MacbookPro直接死机了好吗？沃日，不要问我为什么喷skimage了，垃圾垃圾垃圾垃圾，草尼玛，skimage毁我人生，葬送我清纯。。。。此处省略一万个蔡妮马。。
你心中的目标
喷完了，我们改思考一下为什么一个图像预处理工具很重要了。很多人说opencv也可以啊，opencv非常快，强大，但是要编译，你很少在一个裸机上能够找到它，PIL就是 pip install pillow的事情，而且PIL是python默认官方的图片处理库了。我们pythoner以简约为上，我最看不惯很多人写python代码跟写c++ c# 似的。
选好了一个预处理库，以后进行深度学习网络搭建之前先想好自己怎么处理吧
不仅是处理，想好为森么这么处理。这也是本文的目标，个人炸鸡，轻拍。
