《人工智能导论》实验3 卷积神经网络（CNN）手写数字识别.docxVIP

实验3卷积神经网络（CNN）手写数字识别

一、实验目的及要求

理解卷积神经网络（CNN）的核心思想：局部连接、权值共享、卷积、池化与平移不变性。

掌握使用Keras/TensorFlow构建LeNet-5风格CNN的方法。

能够对比CNN与MLP在手写数字识别任务上的性能差异，理解CNN在图像任务中的优势。

理解CNN的层次化特征学习：浅层学习边缘，中层学习部件，深层学习语义。

培养对我国计算机视觉自主创新成果的关注与兴趣。

二、实验学时

3学时（建议时间分配：讲解15分钟，任务实践130分钟，总结报告15分钟）

三、实验前准备

软件环境：Python3.8及以上，建议使用JupyterNotebook或VSCode。

依赖库：NumPy、Matplotlib、TensorFlow（包含Keras）。安装命令如下：

pipinstallnumpymatplotlibtensorflow

知识储备：已学习教材第6.3节（卷积神经网络）内容，了解卷积、池化、局部连接与权值共享。

说明：TensorFlow安装包较大，建议课前完成安装并验证`importtensorflowastf`无报错；数据集使用scikit-learn内置的load_digits，无需联网下载。

在JupyterNote