14 深度学习-卷积

1.简述人工智能、机器学习和深度学习三者的联系与区别。

解：

　　联系：深度学习使得机器学习能够实现众多应用，并拓展了人工智能的领域范畴。

　　区别：人工智能是目的，是结果；深度学习、机器学习是方法，是工具；深度学习则是一种实现机器学习的技术；它适合处理大数据。

 

2. 全连接神经网络与卷积神经网络的联系与区别。

解：

　　卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网络一样，卷积神经网络中的每一个节点就是一个神经元。

　　在全连接神经网络中，每相邻两层之间的节点都有边相连，于是会将每一层的全连接层中的节点组织成一列，这样方便显示连接结构。而对于卷积神经网络，相邻两层之间只有部分节点相连，为了展示每一层神经元的维度，一般会将每一层卷积层的节点组织成一个三维矩阵。

 

3.理解卷积计算。

以digit0为例，进行手工演算。

from sklearn.datasets import load_digits #小数据集8*8

digits = load_digits()

 

 

 

4.理解卷积如何提取图像特征。

读取一个图像；

以下矩阵为卷积核进行卷积操作；

显示卷积之后的图像，观察提取到什么特征。

 

1	0	-1
1	0	-1
1	0	-1

 

1	1	1
0	0	0
-1	-1	-1

 

-1	-1	-1
-1	8	-1
-1	-1	-1

 

卷积API

scipy.signal.convolve2d

tf.keras.layers.Conv2D

代码如下：

 

 

结果：

 

 

 

 

 

 

 

 

 

5. 安装Tensorflow,keras

解：