人工智能-作业4：CNN - 卷积

人工智能-作业4：CNN - 卷积

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。
卷积：是通过两个函数，f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分
卷积核：卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。
多通道：多通道指不同原色的图像照片，图片由这些不同通道的共同作用产生。
特征图：卷积计算的结果，图像与卷积核加权累加得到卷积（滤波）后的特征图。
特征选则：指从原始特征中挑选出一组最有代表性、分类性能好的特征。没有确定的步骤，更多是工程上的经验和权衡，一般需要耗费较多的时间和精力，掌握常用的经验和权衡方法，可以极大提高挖掘建模的效率和效果。给定不同的挖掘任务，需要的特征组合可能不同。
二、探究不同卷积核的作用，研究背后的原理。

边缘检测的目的就是找到图像中亮度变化剧烈的像素点构成的集合，表现出来往往是轮廓。
锐化也称边缘增强。锐化技术用于加强图像中的边界和细节信息。由于边界和细节信息对应频域中的高频部分，所以在频域中通常对图像进行高通滤波，在空间域则进行微分处理。
模糊就是使点之间的对比度变小，将像素值调整为与周围点像素值近似的值。
三、编程实现：

import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
from PIL import Image
import matplotlib.pyplot as plt
 
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号 #有中文出现的情况，需要u'内容
file_path