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：人工智能赋予机器人的智能，机器学习一种是实现人工智能的方法，深度学习是一种机器学习的技术。

2. 全连接神经网络与卷积神经网络的联系与区别。

答：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；卷积神经网络，相邻两层之间只有部分节点相连。

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()

0	0	5	13	9	1	0	0
0	0	13	15	10	15	5	0
0	3	15	2	0	11	8	0
0	4	12	0	0	8	8	0
0	5	8	0	0	9	8	0
0	4	11	0	1	12	7	0
0	2	14	5	10	12	0	0
0	0	6	13	10	0	0	0

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　   

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 scipy.signal import convolve2d
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

I=Image.open(r'H:python201706120179毛伟钊.jpg')
I.show()
L=I.convert('L')
L.show()
c=np.array(I)
cg=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]])

duolaAmeng1=convolve2d(cg,k1,boundary='symm',mode='same')
duolaAmeng2=convolve2d(cg,k2,boundary='symm',mode='same')
duolaAmeng3=convolve2d(cg,k3,boundary='symm',mode='same')

plt.matshow(duolaAmeng1)
plt.show()
plt.matshow(duolaAmeng2)
plt.show()
plt.matshow(duolaAmeng3)
plt.show()

　　

        

        

       

       

5. 安装Tensorflow,keras

参考：https://blog.csdn.net/u011119817/article/details/88309256 

6. 设计手写数字识别模型结构，注意数据维度的变化。

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense， Flatten, Conv2D, MaxPool2D

model = tf.keras.Sequential()

model.add(Conv2D(…))

model.add(MaxPool2D(…))

...

#可以上传手动演算的每层数据结构的变化过程。model.summary() 

 

参考：

https://www.jianshu.com/p/afe485aa08ce

https://blog.csdn.net/junjun150013652/article/details/82217571