zoukankan      html  css  js  c++  java
  • 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

    from PIL import Image
    import matplotlib.pyplot as plt
    import numpy as np
    from scipy.signal import convolve2d
    
    I = Image.open(r'C:Userslucas-lywDesktop	img.jpg')
    L = I.convert('L')
    
    pig = np.array(I)
    pigg = np.array(L)
    
    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]])
    
    pig1 = convolve2d(pigg, k1, boundary='symm', mode='same')
    pig2 = convolve2d(pigg, k2, boundary='symm', mode='same')
    pig3 = convolve2d(pigg, k3, boundary='symm', mode='same')
    plt.matshow(pig1)
    plt.matshow(pig2)
    plt.matshow(pig3)
    

      

    5. 安装Tensorflow,keras

  • 相关阅读:
    1058 A+B in Hogwarts (20)
    1046 Shortest Distance (20)
    1061 Dating (20)
    1041 Be Unique (20)
    1015 Reversible Primes (20)(20 分)
    pat 1027 Colors in Mars (20)
    PAT 1008 Elevator (20)
    操作系统 死锁
    Ajax的get方式传值 避免& 与= 号
    让IE浏览器支持CSS3表现
  • 原文地址:https://www.cnblogs.com/lywkkk/p/13023573.html
Copyright © 2011-2022 走看看