最近在看GAN的源码，源码是使用python编写的，中间涉及到了pylearn的内容，由于之前从来都没有接触过这部分内容，所以读起来还是很吃力的，不过应该还是会在后面学习一下这部分的内容，以后的内容中应该会使用到。
首先看一下yaml的内容，官方解释为是一种置标语言，无论是对机器或人而言都是便于阅读理解的。下面的内容是从deeplearning上面摘下来的，感兴趣的同学也可以访问原网站点击打开链接（包含下面讲解的内容）以及点击打开链接（一些库、模型等说明文档），这篇就主要介绍一下YAML
使用！obj对对象进行实例化，通常的语法为 !obj:<package>[.<subpackage>]*.<module>.<object>，举个栗子，下面就可以创建一个AutoEncoder的实例，以784个可见单元和100个隐藏单元为参数，标准差为0.2。！obj实现的功能有两个，可以递归的导入所有子包，直到导入最终模型。
可以使用load方法将模块进行导入。如下例，假定模型存储在example.yaml中，使用yaml_parse.load方法就可以已有模型进行导入
anchor&reference，这里不知道应该怎么翻译了，所以就直接把词摆在这里好了。主要实现的功能是可以避免重复的代码，如下例，所实现的功能是首先通过&nvis将可见单元nvis的熟练变为增广矩阵；随后通过使用*nvis指定隐藏单元的数量。通过使用*nvis能够避免在两个位置修改代码
使用！import动态导入。同！obj功能类似，但是它不会创建实例，只会返回一个指针。
通过使用Pickl导入文件，和load功能函数类似，实现过程见下图
通过对这些tag进行组合即可得到一个比较完整的结构了
从结构上来看，格式还是非常规整，语法结构也清晰易懂。后续部分继续学习