1.简述人工智能、机器学习和深度学习三者的联系与区别。
人工智能是结果；
深度学习、机器学习是方法，是工具；
机器学习，一种实现人工智能的方法；
机器学习都可以被精准地定义为：1.任务T；2.训练过程；3.模型表现P
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。
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。
2. 全连接神经网络与卷积神经网络的联系与区别。
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。
源代码：
运行结果：
原图：
卷积API
scipy.signal.convolve2d
tf.keras.layers.Conv2D
5. 安装Tensorflow,keras
