1.简述人工智能、机器学习和深度学习三者的联系与区别。
简单概括：
人工智能（Artificial Intelligence）——为机器赋予人的智能
机器学习—— 一种实现人工智能的方法
深度学习——一种实现机器学习的技术
2. 全连接神经网络与卷积神经网络的联系与区别。
全连接神经网络中，每相邻两层之间的节点都有边相连，它会将每一层的全连接层中的节点组织成一列，方便显示连接结构。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。虽然它们连接的节点不同，它们结构相似，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。
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。
纵向特征
| 1 | 0 | -1 |
| 1 | 0 | -1 |
| 1 | 0 | -1 |
横向特征
| 1 | 1 | 1 |
| 0 | 0 | 0 |
| -1 | -1 | -1 |
中心特征
| -1 | -1 | -1 |
| -1 | 8 | -1 |
| -1 | -1 | -1 |
卷积API
scipy.signal.convolve2d
tf.keras.layers.Conv2D
5. 安装Tensorflow,keras
1.打开Anaconda Prompt
2.pip install tensorflow==2.0 -i https://pypi.douban.com/simple
过程出现选择,选y，最后等待完成安装。
3.测试
4.在pycharm中找到上面路径的anaconda3下的python.exe，完成设置。
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()
手动演算输入为15*15
程序实现28*28大小图片输入
打印结果：
参考：
https://www.jianshu.com/p/afe485aa08ce
https://blog.csdn.net/junjun150013652/article/details/82217571