PyTorch與深度學(xué)習(xí)實戰(zhàn)-教案 第1、2章 深度學(xué)習(xí)概述、PyTorch深度學(xué)習(xí)通用流程

第1章深度學(xué)習(xí)概述教案課程名稱：PyTorch與深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論26學(xué)時，實驗38學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：3學(xué)時材料清單《PyTorch與深度學(xué)習(xí)實戰(zhàn)》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標(biāo)與基本要求教學(xué)目標(biāo)本章主要介紹深度學(xué)習(xí)的基本定義以及其應(yīng)用領(lǐng)域，包括物體檢測、視覺定位、物體測量、物體分揀、圖像分割、圖像的生成等應(yīng)用領(lǐng)域；然后分別介紹深度學(xué)習(xí)與計算機視覺、自然語言處理、語言識別、機器學(xué)習(xí)和人工智能間的關(guān)系；最后針對深度學(xué)習(xí)中的PyTorch框架，介紹其特點、安裝流程和預(yù)訓(xùn)練模型的使用?；疽罅私馍疃葘W(xué)習(xí)的定義和常見應(yīng)用。了解深度學(xué)習(xí)與其他領(lǐng)域之間的聯(lián)系。掌握PyTorch深度學(xué)習(xí)框架的安裝方法掌握PyTorch中預(yù)訓(xùn)練模型的使用方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。深度學(xué)習(xí)能夠做什么？現(xiàn)實生活中存在哪些地方應(yīng)用了深度學(xué)習(xí)技術(shù)？PyTorch框架有哪些優(yōu)勢？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問。或者是對引導(dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。深度學(xué)習(xí)技術(shù)是怎么影響計算機視覺領(lǐng)域的？深度學(xué)習(xí)與人工智能的關(guān)系是什么？PyTorch具有什么樣的生態(tài)？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。深度學(xué)習(xí)是不是萬能的？預(yù)訓(xùn)練模型有什么用處？主要知識點、重點與難點主要知識點深度學(xué)習(xí)的基本定義。深度學(xué)習(xí)的常見應(yīng)用場景。常見的深度學(xué)習(xí)應(yīng)用技術(shù)。常見的深度學(xué)習(xí)框架。PyTorch的生態(tài)。PyTorch的特性。PyTorch的安裝過程。預(yù)訓(xùn)練模型的概念。預(yù)訓(xùn)練模型的使用場景。預(yù)訓(xùn)練模型的調(diào)用方法。重點常見的深度學(xué)習(xí)框架。PyTorch的生態(tài)。PyTorch的特性。PyTorch的安裝過程。預(yù)訓(xùn)練模型的概念。預(yù)訓(xùn)練模型的使用場景。預(yù)訓(xùn)練模型的調(diào)用方法。難點常見的深度學(xué)習(xí)框架。PyTorch的安裝過程。預(yù)訓(xùn)練模型的概念。預(yù)訓(xùn)練模型的調(diào)用方法。教學(xué)過程設(shè)計理論教學(xué)過程深度學(xué)習(xí)的基本定義。深度學(xué)習(xí)的常見應(yīng)用場景。常見的深度學(xué)習(xí)應(yīng)用技術(shù)。常見的深度學(xué)習(xí)框架。PyTorch的生態(tài)。PyTorch的特性。PyTorch的安裝過程。預(yù)訓(xùn)練模型的概念。預(yù)訓(xùn)練模型的使用場景。預(yù)訓(xùn)練模型的調(diào)用方法。實驗教學(xué)過程安裝驅(qū)動和CUDA環(huán)境。測試驅(qū)動安裝完成。下載安裝PyTorch。教材與參考資料教材劉雙星，張良均．PyTorch與深度學(xué)習(xí)實戰(zhàn)[M]．北京：人民郵電出版社．2023．參考資料[1] 崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)[M]．北京：人民郵電出版社．2021．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．[3] 弗朗索瓦·肖萊，張亮等．Python深度學(xué)習(xí)[M]．人民郵電出版社．2018．第2章PyTorch深度學(xué)習(xí)通用流程教案課程名稱：PyTorch與深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論26學(xué)時，實驗38學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：6學(xué)時材料清單《PyTorch與深度學(xué)習(xí)實戰(zhàn)》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標(biāo)與基本要求教學(xué)目標(biāo)本章中展示在PyTorch框架下深度學(xué)習(xí)的通用流程，并使用貓狗分類進行流程的演示。首先介紹加載和預(yù)處理數(shù)據(jù)的方法，然后介紹兩種構(gòu)建網(wǎng)絡(luò)的方法和常用的激活函數(shù)，其次通過設(shè)置優(yōu)化器和損失函數(shù)進行網(wǎng)絡(luò)的編譯，接下來設(shè)置訓(xùn)練網(wǎng)絡(luò)時的迭代次數(shù)和批訓(xùn)練，最后對訓(xùn)練好的模型進行性能評估?；疽罅私釶yTorch深度學(xué)習(xí)的通用流程.掌握使用PyTorch進行數(shù)據(jù)加載和預(yù)處理的方法。掌握使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法。掌握使用PyTorch編譯神經(jīng)網(wǎng)絡(luò)的方法。掌握使用PyTorch訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法。掌握使用PyTorch進行性能評估的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。深度學(xué)習(xí)包含哪些步驟？PyTorch要怎么讀取數(shù)據(jù)？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。數(shù)據(jù)預(yù)處理的作用是什么？編譯網(wǎng)絡(luò)的步驟中需要做什么？有哪些手段能夠評估模型的效果？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。在訓(xùn)練網(wǎng)絡(luò)的過程中使用批訓(xùn)練有什么好處？不同的評估指標(biāo)分別適用于哪些場景？主要知識點、重點與難點主要知識點數(shù)據(jù)加載。數(shù)據(jù)預(yù)處理。常用的網(wǎng)絡(luò)構(gòu)建方法。激活函數(shù)。損失函數(shù)。優(yōu)化器。迭代次數(shù)。批訓(xùn)練。評估指標(biāo)。重點數(shù)據(jù)預(yù)處理。常用的網(wǎng)絡(luò)構(gòu)建方法。激活函數(shù)。損失函數(shù)。優(yōu)化器。迭代次數(shù)。批訓(xùn)練。難點常用的網(wǎng)絡(luò)構(gòu)建方法。激活函數(shù)。損失函數(shù)。優(yōu)化器。迭代次數(shù)。教學(xué)過程設(shè)計理論教學(xué)過程數(shù)據(jù)加載。數(shù)據(jù)預(yù)處理。常用的網(wǎng)絡(luò)構(gòu)建方法。激活函數(shù)。損失函數(shù)。優(yōu)化器。迭代次數(shù)。批訓(xùn)練。評估指標(biāo)。實驗教學(xué)過程加載及預(yù)處理貓狗分類數(shù)據(jù)。構(gòu)建基于CNN的貓狗分類網(wǎng)絡(luò)。編譯基于CNN的貓狗分類網(wǎng)絡(luò)。訓(xùn)練基于CNN的貓狗分類網(wǎng)絡(luò)。評估基于CNN的貓狗分類模型性能。教材與參考資料教材劉雙星，張良均．PyTorch與深度學(xué)習(xí)實戰(zhàn)[M]．北京：人民郵電出版社．2023．參考資料[1] 崔煒