总结

1. 在CPU桌面云环境上搭建tensorflow
2. 在GPU云服务器上搭建深度学习框架（CUDA、CUDNN、tensorflow-gpu）

主要问题：CPU桌面环境中安装tensorflow，使用pip管道无法通过代理连接外网实现安装；GPU服务器上安装CUDA被拦截，CUDNN无法启动
解决方法：在系统用户文件目录下配置pip.ini文件，设置华为镜像地址；
安装CUDA配置正确的安装密钥；安装cuda先更新列表，后安装；CUDNN与CUDA版本必须要统一

输出文档：华为桌面云tensorflow-cpu安装指导；华为云服务器Linux系统Tensorflow-gpu安装指导，Linux系统下tensorflow-gpu自动化安装脚本

1. 研读开源的读取VGG-19模型参数代码
2. 查阅论文和资料，研究、学习图像风格迁移的原理
3. 为增强用户体验度，增加图像转换过程中的参数，必如原代码中只使用了relu4_2（更精细的重构层），增加更抽象的重构层relu5_2，以及迭代次数，原始颜色是否保留等
4. 基于增加的参数，重写:计算原始图片特征矩阵的函数，计算原始图片内容随机图片内容损失函数content loss；计算风格图片特征矩阵函数；计算风格图片对随机生成图片风格的损失函数 style loss

输出文档：卷积神经训练原理总结；图片风格迁移原理以及优化总结

接口：