关键词：
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；机器学习都可以精准地被定义为：1任务T；2.训练过程E;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过实现众多应用，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。
联系：全连接神经网络和卷积神经网络都是通过一层一层的节点组织起来的，两者输入输出以及训练的流程基本一致，全连接神经网络的损失函数以及参数的优化过程适用于卷积神经网络。
区别：神经网络相邻两层的连接方式不同。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
import numpy as np
from scipy.signal import convolve2d
from PIL import Image
import matplotlib.pyplot as plt
k1=np.array([[1,0,-1],[1,0,-1],[1,0,-1]])
k2=np.array([[1,1,1],[0,0,0],[-1,-1,-1]])
k3=np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])
img = Image.open(‘D:/seele.jpg‘)
img_1=img.convert("L")
img = np.array(img)
img_1 = np.array(img_1)
m1=convolve2d(img_1,k1,boundary=‘symm‘,mode=‘same‘)
m2=convolve2d(img_1,k2,boundary=‘symm‘,mode=‘same‘)
m3=convolve2d(img_1,k3,boundary=‘symm‘,mode=‘same‘)
plt.imshow(img)
plt.matshow(img_1)
plt.matshow(m1)
plt.matshow(m2)
plt.matshow(m3)
5. 安装Tensorflow,keras
深度学习100例-卷积神经网络（inceptionv3）识别手语|第13天
机器学习十四--深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。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。fromsklearn.datasetsimportload_digits#小数据集8*8digits=load_digits()00513910000131510155003... 查看详情
深度学习卷积神经网络最大池化运算(代码片段)
文章目录前言一、最大池化二、为什么要对特征图进行下采样前言在卷积神经网络示例中，我们注意到，在每个MaxPooling2D层之后，特征图的尺寸都会减半。例如：在第一个MaxPooling2D层之前，特征图的尺寸是26*26... 查看详情
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。 区别：（1）人工智能：目的和结果，深度学习，机器学习是方法，是工具。（2）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... 查看详情
13个最常用的python深度学习库介绍
13个最常用的Python深度学习库介绍如果你对深度学习和卷积神经网络感兴趣，但是并不知道从哪里开始，也不知道使用哪种库，那么这里就为你提13个最常用的Python深度学习库介绍如果你对深度学习和卷积神经网络感兴趣，但是... 查看详情
深度学习
深度学习是 多层神经网络上运用各种机器学习算法 解决图像，文本等各种问题的算法集合 深度学习算法：convolutionalNeuralNetworks(CNN)卷积神经网络 卷积网络：由卷积层、池化层、全连接层组成。 其中卷积... 查看详情
14深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。解析：人工智能是机器诠释的人类智能，是机器学习和深度学习后想实现的结果和目的，机器学习是实现人工智能的方法，深度学习是机器学习算法中的一种算法，一种... 查看详情
14深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。 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... 查看详情
「深度学习一遍过」必修13：使用pytorch对inception结构模型进行设计(代码片段)
本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇... 查看详情
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。 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。fromsklearn.datasetsimportload_digits#小数据集8*8digits=load_digits(... 查看详情
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。答：机器学习是现在人工智能领域中主流的一种方法，除了机器学习，科学家也尝试过其他方法在人工智能领域进行诠释和发展，而深度学习则是机器学习里面主流的方... 查看详情
14深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。（1）人工智能是目的，是结果；深度学习、机器学习是方法，是工具；（2）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... 查看详情
深度学习中的卷积操作(代码片段)
本文从信号处理中的互相关运算引入深度学习中的卷积。然后介绍了不同的卷积类型，以及如何在pytorch中使用这些卷积层。（在看pytorch文档中的Conv1D/2D/3D的时候感到比较困惑，又很好奇深度学习中各种各样的卷积操... 查看详情
深度学习——1×1卷积核理解
1-引入 在我学习吴恩达老师Deeplearning.ai深度学习课程的时候，老师在第四讲卷积神经网络第二周深度卷积网络：实例探究的2.5节网络中的网络以及1×1卷积对1×1卷积做了较为详细且通俗易懂的解释。现自己做一下记录。2-1×1... 查看详情
14深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。 人工智能是最早出现的，其次是机器学习，最后是深度学习，当今人工智能大爆炸的核心驱动。 区别和联系： 2.全连接神经网络与卷积... 查看详情
深度学习卷积神经网络(cnn)原理
【深度学习】卷积神经网络原理1.卷积神经网络的组成2.卷积层2.1卷积运算过程3.padding-零填充3.1ValidandSame卷积3.2奇数维度的过滤器4.stride-步长5.多通道卷积5.1多卷积核（多个Filter）6.卷积总结7.池化层(Pooling)8.全连接层9.总... 查看详情
深度学习简介——卷积神经网络
深度学习简介深度学习是指多层神经网络上运用各种机器学习算法解决图像，文本等各种问题的算法集合。深度学习从大类上可以归入神经网络，不过在具体实现上有许多变化。深度学习的核心是特征学习，旨在通... 查看详情
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。2.全连接神经网络与卷积神经网络的联系与区别。全连接神经网络和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... 查看详情