1.簡述人工智慧、機器學習和深度學習三者的聯絡與區別。
答:人工只能包括了機器學習和深度學習,而機器學習又包含了深度學習。人工智慧是目的,是結果;深度學習、機器學習是方法,是工具;機器學習是一種實現人工智慧的方法,機器學習直接**於早期的人工智慧領域。深度學習是一種實現機器學習的技術,深度學習使得機器學習能夠實現眾多的應用,並拓展了人工智慧的領域範圍。深度學習,給人工智慧以璀璨的未來。
2. 全連線神經網路與卷積神經網路的聯絡與區別。
答: 卷積神經網路也是通過一層一層的節點組織起來的。和全連線神經網路一樣,卷積神經網路中的每乙個節點就是乙個神經元。在全連線神經網路中,每相鄰兩層之間的節點都有邊相連,於是會將每一層的全連線層中的節點組織成一列,這樣方便顯示連線結構。而對於卷積神經網路,相鄰兩層之間只有部分節點相連,為了展示每一層神經元的維度,一般會將每一層卷積層的節點組織成乙個三維矩陣。
3.理解卷積計算。
以digit0為例,進行手工演算。
from sklearn.datasets import load_digits #小資料集8*8
digits = load_digits()
4.理解卷積如何提取影象特徵。
讀取乙個影象;
以下矩陣為卷積核進行卷積操作;
顯示卷積之後的影象,觀察提取到什麼特徵。10
-110-1
10-11
1100
0-1-1-1
-1-1
-1-18-1
-1-1
-1卷積api
匯入l = i.convert("i"
)cat =np.array(i)
catg =np.array(l)
k = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
k1 = np.array([[-1,0,1],[-2,0,-2],[-1,0,1]]) #
垂直邊緣檢測
k2 = np.array([[1,1,1],[0,0,0],[-1,-1,-1]]) #
水平邊緣
k3 = np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])
cat = convolve2d(catg,k,boundary='
symm
',mode='
same')
cat1 = convolve2d(catg,k1,boundary='
symm
',mode='
same')
cat2 = convolve2d(catg,k2,boundary='
symm
',mode='
same')
cat3 = convolve2d(catg,k3,boundary='
symm
',mode='
same')
plt.imshow(cat)
plt.imshow(cat1)
plt.imshow(cat2)
plt.imshow(cat3)
圖例:cat:
5. 安裝tensorflow,keras
第十三次作業
編寫程式,接收一名學生的數學 外語 計算機三科成績,並輸出總分sum和平均分 erage 精確到兩位小數 include main int a,b,c,sum float erage printf 請輸入數學,英語,計算機成績 n scanf d d d a,b,c sum a b c erage ...
第十三次作業成績彙總
經過本次作業的練習,相信同學們軟體工程各階段文件的作用與意義有了大致的了解。通過閱讀其他學校學生博文,希望同學們取長補短,共同進步!1 掌握軟體黑盒測試技術。2 學會編制軟體專案總結ppt 專案驗收報告。3 掌握軟體專案驗收內容,驗收流程。1.得分排行 2.千帆競發圖 3.得分明細 部落格githu...
高階程式設計技術第十三次作業
64 minimum path sum class solution def minpathsum self,grid row len grid cow len grid 0 list 0 cow row if row 0 cow 0 return 0 for i in range row for ...