构建Tensorflow RDMA的Docker镜像
RDMA是一个远程通讯技术，它通过Kernel bypass等方式降低数据传输中的延迟和CPU消耗。
在分布式训练中，由于多个Worker之间或者Worker和Paramater Server 之间需要大量传输模型变量。当GPU到达一定数量后，受制于网络带宽以及TCP协议的延迟，通讯往往会成为计算性能的瓶颈，而在分布式训练中使用RDMA技术能够非常明显地提高训练速度。
#### Tenso
《白话深度学习与TensorFlow》——导读
另一方面，深度学习从其解决问题的根本理论方面需要比较深厚和扎实的数学基础，尤其是高等数学、线性代数、泛函分析及其延伸学科的基础，这就使得很多高等数学相关基础不好的朋友学习起来非常吃力。
用keras实现人脸关键点检测(2)
上一个代码只能实现小数据的读取与训练，在大数据训练的情况下。会造内存紧张，于是我根据keras的官方文档，对上一个代码进行了改进。
用keras实现人脸关键点检测
数据集：https://pan.baidu.com/s/1cnAxJJmN9nQUVYj8w0WocA
第一步：准备好需要的库
tensorflow 1.4.0
h5py 2.7.0
hdf5 1.8.15.1
Keras 2.0.8
opencv-python 3.3.0
numpy 1.13.3+mkl
第二步：准备数据集：
我对每一张图像进行了剪裁，使图像的大小为178*178的正方形。
