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。
（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、训练过程E；3、模型表现P；
（3）深度学习则是一种实现机器学习的技术；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。
联系：
（1）全连接神经网络与卷积神经网络都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。
（2）卷积神经网络的输入输出以及训练的流程和全连接神经网络也基本一致。
区别：
（1）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。
（2）在卷积神经网络中，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()
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
from PIL import Image from scipy.signal import convolve2d import numpy as np import matplotlib.pyplot as plt from pylab import mpl mpl.rcParams[‘font.sans-serif‘] = [‘SimHei‘] image = Image.open(r"./1111.jpg") p = image.convert("L") k = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]) 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]]) pkq0 = convolve2d(p, k, boundary=‘symm‘, mode=‘same‘) pkq1 = convolve2d(p, k1, boundary=‘symm‘, mode=‘same‘) pkq2 = convolve2d(p, k2, boundary=‘symm‘, mode=‘same‘) pkq3 = convolve2d(p, k3, boundary=‘symm‘, mode=‘same‘) plt.imshow(p) plt.title("原图片") plt.show() # 显示图片 plt.imshow(pkq0) plt.title("pkq0图片") plt.show() plt.imshow(pkq1) plt.title("pkq1图片") plt.show() plt.imshow(pkq2) plt.title("pkq2图片") plt.show() plt.imshow(pkq3) plt.title("pkq3图片") plt.show()
5. 安装Tensorflow,keras
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
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
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。答：人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，也是当今人工智能大爆炸的核心驱动。 人工智能是目... 查看详情
「深度学习一遍过」必修14：基于pytorch研究深度可分离卷积与正常卷积的性能差异(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。 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
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
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
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
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，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。搞清三者关系的最简单方法... 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。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
深度学习卷积神经网络(代码片段)
目录1CNN网络的构成2卷积层2.1卷积的计算方法2.2padding（填充）2.3stride（步长）2.4多通道卷积2.5多卷积核卷积2.6特征图大小3池化层(Pooling)3.1最大池化3.2平均池化4全连接层5卷积神经网络的构建5.1数据加载5.2数据处理5... 查看详情
深度学习-conv卷积(代码片段)
过滤器(卷积核)传统的图像过滤器算子有以下几种:blurkernel：减少相邻像素的差异，使图像变平滑。sobel：显示相邻元素在特定方向上的差异。sharpen：强化相邻像素的差异，使图片看起来更生动。outline：也称为edgekernel，相邻像素... 查看详情
深度学习-alexnet（第一个深度卷积网络）(代码片段)
...分享一下给大家。点击跳转到网站。简介AlexNet是第一个深度卷积网络模型，赢得了2012年ImageNet图像分类竞赛的冠军，自98年的LeNet后再次将深度学习研究引热，创造性的提出了很多方法且影响至今& 查看详情
13.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人工智能人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括语音识别、... 查看详情
「深度学习一遍过」必修9：解读卷积神经网络alexnet(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
大厂必考深度学习算法面试题总结(代码片段)
...一，滤波器与卷积核二，卷积层和池化输出大小计算三，深度学习框架的张量形状格式四，Pytorch、Keras的池化层函数理解五，Pytorch和Keras的卷积层函数理解六，softmax回归七，交叉熵损失函数八，感受野理解九，卷积和池化操作... 查看详情
keras深度学习实战——卷积神经网络的局限性(代码片段)
Keras深度学习实战（9）——卷积神经网络的局限性0.前言1.卷积神经网络的局限性2.情景1——训练数据集图像尺寸较大3.情景2——训练数据集图像尺寸较小4.情景3——在训练尺寸较大的图像时使用更大池化小结系列链接0.... 查看详情
keras深度学习实战——卷积神经网络详解与实现(代码片段)
Keras深度学习实战（7）——卷积神经网络详解与实现0.前言1.传统神经网络的缺陷1.1构建传统神经网络1.2传统神经网络的缺陷2.使用Python从零开始构建CNN2.1卷积神经网络的基本概念2.2卷积和池化相比全连接网络的优势3.使用... 查看详情