深度学习之卷积

---

1.简述人工智能、机器学习和深度学习三者的联系与区别。

他们间的联系与区别是

人工智能是目的，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E;3.模型表现P

深度学习这是一种实现机器学习的技术；它适合处理大数据。

深度学习是的机器学习能够实现众多应用，并扩展了人工智能的领域范畴。

深度学习以“摧枯拉朽之势”席卷行业。

 

2. 全连接神经网络与卷积神经网络的联系与区别。

 

 

 

 

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

 

# -*- coding:utf-8 -*-
# 开发人员：爱飞的大白鲨
# 开发时间：2020/6/116:59
# 文件名称：卷积.py
from PIL import Image
from pylab import *
from scipy.signal import convolve2d
im = array(Image.open("C:/Users/Administrator/Desktop/1.jpg").convert('L'))
imshow(im)
#垂直边缘
k=np.array([[1,0,-1],[1,0,-1],[1,0,-1]])
cat0=convolve2d(im,k,boundary='symm',mode='same')
imshow(cat0)

#水平边缘
k1=np.array([[1,1,1],[0,0,0],[-1,-1,-1]])
cat1=convolve2d(im,k1,boundary='symm',mode='same')
imshow(cat1)

k2=np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])
cat2=convolve2d(im,k2,boundary='symm',mode='same')
imshow(cat2)

　原图

 

 

 

 im图

 

 cat0

 

 cat1

 

 cat2

 

 

5. 安装Tensorflow,keras