#==============================================================================

itchat.auto_login(enableCmdQR=0.5,hotReload=True)

itchat.dump_login_status()#dump

可以看到，當 wechat_utils 被 import 時會調用 itchat.auto_login()，不出意外的話，將會在命令行顯示二維碼，需要使用手機微信掃碼登錄你的微信賬號。

在測試腳本里我使用 numpy.random 來生成訓練數(shù)據(jù)，搭建了一個多層的 FC 網(wǎng)絡

　　model = Sequential()model.add(Dense(2048, input_dim=784))model.add(Activation('relu'))for i in range(9):model.add(Dense(2048))model.add(Activation('relu'))model.add(Dense(1,activation='sigmoid'))x=np.random.rand(nb_sample,dim) y=np.random.randint(2,size=(nb_sample,1))

調用插件非常簡單，只需要在 fit 時把 wechat_utils.sendmessage() 這個 keras 的 Callback 類傳入 Callbacklist。

　　model.fit(x=train_x,y=train_y,batch_size=batch_size,nb_epoch=60,validation_data=(val_x,val_y),callbacks=[wechat_utils.sendmessage()])

于是訓練開始，手機會收到如下反饋：

現(xiàn)在，我們可以向它發(fā)送查詢指令，指令一般包括關鍵詞和參數(shù)，以獲取圖表為例，包含以下任意關鍵詞將被識別為獲取圖表指令：

　　[u'獲取圖表','Show me the figure']

參數(shù)則用{}或[]來指定，所有的指令均支持不指定參數(shù)，獲取圖表的默認參數(shù)是查詢所有信息，例如：

‘Show me the figure’ 觸發(fā)了指令，{batches} 表示查詢 batches 級別信息，[losshinge] 表示查詢 loss 和 hinge 指標（一般的，同一屬性參數(shù)用空格隔開）。

同理，['GPU','gpu',u'顯卡'] 是 gpu 狀態(tài)查詢的關鍵詞，用[]指定參數(shù)，如圖，查詢了 gpu 的顯存和溫度。GPU 參數(shù)是根據(jù) nvidia-smi 的預置參數(shù)確定的，全部都是大寫，具體可查詢屬性請看 GitHub 的 readme 或者閱讀源碼。