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。
from sklearn.datasets import load_digits #小数据集8*8
digits = load_digits()
| -33 | -27 | 14 | 3 | 6 | 27 |
| -40 | -10 | 30 | -17 | -11 | 34 |
| -35 | 10 | 35 | -26 | -24 | 28 |
| -31 | 13 | 30 | -29 | -22 | 29 |
| -33 | 6 | 22 | -28 | -4 | 33 |
| -31 | -12 | 10 | -6 | 14 | 24 |
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
5. 安装Tensorflow,keras
原文：https://www.cnblogs.com/momo-er/p/13023227.html