深度学习实践教程 教案全套 第1--8章 深度学习基础----生成式对抗网络

1、深度学习实践教程教案第4章线性回归和逻辑回归深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：.理解回归.理解线性回归模型.掌握一元线性回归的实现.理解梯度及梯度下降. 了解多元线性回归实现.掌握逻辑回归的概念和代码实现重点：理解线性回归模型，掌握一元线性回归的实现。逻辑回归的概念和代码实现。难点：梯度下降法和损失函数。教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任务1回归线性回归模型一元线性回归的实现梯度及梯度下降多元线性回归实现逻辑回归内容引入本章围绕两个问题展开：一、建立深度学习的线性回归模型，实现简单预测。二

2、、 建立深度学习的逻辑回归模型，实现简单分类。89线性回归模型分为一元线性回归和多元线性回归。在一元线性回归模型中先介绍 什么是回归、什么是线性回归、解决线性回归的两个主要方法：最小二乘法和梯度下降 法。最后介绍逻辑回归模型。学习线性回归的建模思想能够有助于理解复杂的深度学习 模型。授新环节回归线性回归模型一元线性回归的实现4梯度及梯度卜降4. 4. 1梯度4. 2梯度下降法多元线性回归实现逻辑回归4. 6.1什么是逻辑回归4. 6. 2逻辑回归中的损失函数4. 6. 3逻辑回归的代码实现详细内容见PPT课程思政引申迭代法的内涵，强化工匠精神。内容小结线性回归模型处理的是预测问题，逻辑回归模型

3、处理的是分类问题。那么回归问题 和分类问题的区别在哪里呢？分类问题希望把数据集分到某一类，所以这是一个离散 的问题。而线性回归是一个连续的问题，比如曲线的拟合，我们可以拟合任意的函数结 果，这个结果是一个连续的值。分类问题和回归问题是深度学习的第一步，拿到任何一个问题，我们都需要先确定 其到底是分类还是回归，然后再进行算法设计。课后作业本章习题教学总结（1）从课程思政的角度：深度学习与思政教育紧密结合。（2）从知识体系的角度：本章是理解深度学习的基础，通过实验理解是最好的方法。（3）从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才。(1)通过理论课堂教学，进行师生互动，在课程

4、讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；效果评估(2)通过课程微信群，了解学生的学习动态并及时发布课程测试题目；(3)通过超星平台发布测试题，评估学生学习效果，并记录到平时成绩之中。(4)本章可安排上机实验学习展开实践教学。10第5章多层全连接神经网络深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：.理解全连接神经网络、softmax与交叉嫡.理解反向传播算法，包括链式法则、反向传播算法.掌握计算机视觉工具包：torchvision.掌握用全连接神经网络实现多分类重点：理解softmax与交叉牖、掌握用全连接神经网络实现多分类。难点：理解softm

5、ax与交叉熠、理解反向传播算法，包括链式法则、反向传播算法。教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任务1全连接神经网络(FC)5.2多分类问题5. 3 softmax与交叉牖5. 4反向传播算法5. 5计算机视觉工具包：torchvision5. 6用全连接神经网络实现多分类内容引入从本章开始介绍各种神经网络。神经网络不是一个具体的算法，而是一种模型构建 的思想或者方式。本章将介绍的多层全连接神经网络是一种采用神经元全连接方式的 网络。我们将用多层全连接神经网络解决一个MNIST手写数字多分类问题。在进入代11码之前，会介绍所需的基础知识

6、，如什么是多分类问题、深度学习的基石-反向传播算 法、计算机视觉工具包：torchvisiorio授新环节5.1全连接神经网络(FC)5. 2多分类问题5. 3 softmax与交叉烯5. 4反向传播算法5. 4. 1链式法则5. 4. 2反向传播算法5. 4. 3 Sigmoid函数举例5. 5计算机视觉工具包：torchvision5. 6用全连接神经网络实现多分类5. 6.1定义网络5. 6. 2全连接识别MNIST手写数字详细内容见PPT课程思政从超参数调优的过程，强化耐心、细致、有条理的工作作风。内容小结本章从全连接网络的弱点引入卷积神经网络，卷积神经网络和下一章要讲的循环神 经网络

7、都属于深度前馈网络。介绍了卷积神经网络的原理、卷积层、池化层卷积神经网 络的架构，并介绍了三个经典的CNN网络：如LeNet5、VGGNet、ResNeto课后作业本章习题教学总结(1)从课程思政的角度：深度学习与思政教育紧密结合。(2)从知识体系的角度：通过全链接网络、Softmax等深度学习必须理解知识点的学习，学会分类。(3)从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才。效果评估(1)通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；(2)通过课程微信群，了解学生的学习动态并及时发布课程测试题目；(3)通过超星平台发布测试

8、题，评估学生学习效果，并记录到平时成绩之中。(4)本章可安排上机实验学习展开实践教学。12第6章卷积神经网络深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：.理解深度前馈网络.掌握卷积神经网络原理.掌握卷积层.掌握池化层.掌握CNN架构. 理解经典CNN-LeNet5. 了解经典 CNN- VGGNet. 了 解经典 CNN-ResNet重点：掌握卷积神经网络原理、卷积层、池化层，掌握CNN架构，理解经典CNN-LeNet5o难点：掌握卷积神经网络原理、卷积层、池化层。教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任

9、务6.1深度前馈网络6. 2全连接网络和卷积神经网络6. 3卷积神经网络原理6. 4卷积层6. 5池化层6. 6 CNN架构13146. 7 经典 CNN-LeNet56. 8 经典 CNN- VGGNet6. 9 经典 CNN-ResNet 详细内容见PPT内容引入随着神经网络技术的进化与发展，科学家们慢慢也发现了一批网络的局限性，所以 才想到是否可以设计一些新的神经元的逻辑结构或者连接方式来做个补充。卷积网络 就是一种很有益的尝试，而且这一尝试就一发不可收拾。到现在为止，绝大多数在模式 识别应用中表现好的网络都在一定程度上。借鉴了卷积神经网络的关键组件，这一章我 们就来看一下卷积神经网络。

10、授新环节6.1深度前馈网络6. 2全连接网络和卷积神经网络6. 3卷积神经网络原理6. 4卷积层6. 5池化层6. 6 CNN架构6.7 经典 CNN-LeNet56. 7. 1 LeNet-5 结构6. 7. 2 CI FAR 10数据库介绍6. 7. 3 LeNet-5代码实现6. 8 经典 CNN- VGGNet6. 8. 1 VGGNet 介绍6. 8. 2 VGGNet代码实现6. 9 经典 CNN-ResNet6. 9. 1 ResNet 介绍6. 9. 2 ResNet残差模块代码实现课程思政行业中各加企业竞争激烈，要宣扬社会主义核心价值观，公平、诚信的进行竞争。内容小结本章从全

11、连接网络的弱点引入卷积神经网络，卷积神经网络和下一章要讲的循环 神经网络都属于深度前馈网络。介绍了卷积神经网络的原理、卷积层、池化层卷积神经 网络的架构，并介绍了三个经典的CNN网络：如LeNet5、VGGNet ResNeto课后作业本章习题教学总结(1)从课程思政的角度：深度学习与思政教育紧密结合。(2)从知识体系的角度：本章是全书的重点章节，其中卷积神经网络更是重中之重。(3)从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才。效果评估(1)通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；(2)通过课程微信群，了解学生的学习动

12、态并及时发布课程测试题目；(3)通过超星平台发布测试题，评估学生学习效果，并记录到平时成绩之中。(4)本章可安排上机实验学习展开实践教学。15第7章循环神经网络深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：了解前馈神经网络和循环神经网络了解循环神经网络原理理解长短时记忆网络重点：理解长短时记忆网络难点：长短时记忆网络教学安排：教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任务7.1前馈神经网络和循环神经网络7. 2循环神经网络原理7. 3长短时记忆网络内容引入卷积神经网络的各种版本不断提升着对单个物体的识别性能，但在对于一些

13、与时 间先后有关的，比如视频的下一时刻的预测，文档后文内容的预测等，这些算法的表 现就不尽如人意了。能否研究一种算法不仅考虑前一个神经元的输入，也考虑更前面的 神经元的影响？这就是人们研究循环神经网络的初衷。授新环节7.1前馈神经网络和循环神经网络7. 2循环神经网络原理7. 3长短时记忆网络167. 3. 1长短时记忆网络原理7. 3. 2长短时记忆网络实例17. 3. 3长短时记忆网络实例2 详细内容见PPT课程思政通过序列标注示例，介绍抗疫精神，促进社会主义核心价值观的认同。内容小结本章介绍了能够考虑时间序列信息的循环神经网络，又针对循环神经网络容易出 现梯度消失或梯度爆炸的问题，介绍了

14、长短时记忆神经网络。从长短时神经网络的结构 到实现原理，最后给出了两个实例：第一个是LSTM网络在学习了正弦波之后，试图预 测未来的信号值。第二个是亚马逊评论的情绪分析。课后作业本章习题教学总结(1)从课程思政的角度：深度学习与思政教育紧密结合。(2)从知识体系的角度：本章的循环神经网络有很多实际应用，通过实例理解。(3)从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才。效果评估(1)通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；(2)通过课程微信群，了解学生的学习动态并及时发布课程测试题目；(3)通过超星平台发布测试题，评估学

15、生学习效果，并记录到平时成绩之中。(4)本章可安排上机实验学习展开实践教学。17 TOC o 1-5 h z 第1章深度学习基础1第2章PyTorch框架安装3第3章PyTorch基础5第4章线性回归和逻辑回归8第5章多层全连接神经网络11第6章卷积神经网络13第7章循环神经网络16第8章生成式对抗网络18第8章生成式对抗网络深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：理解原始生成式对抗网络了解条件生成对抗网络了解最小二乘生成对抗网络重点：理解原始生成式对抗网络难点：原始生成式对抗网络概念教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传P

16、PT、练习题、实验教学任务8.1原始生成式对抗网络8. 2条件生成对抗网络8. 3最小二乘生成对抗网络内容引入2014 年 Ian Goodfellow 提出了生成式对抗网络(Generative Adversarial Networks, GAN)。在随后的几年中GAN就成了深度学习领域内最火的一个概念，包括 LeCun在内的许多学者都认为，GAN的出现将会大大推进人工智能向无监督学习发展的 进程。魔高 尺，道高 丈用来形容生成器和判别器最合适了，在生成器和判别器的博 弈中人们期望的图片或视频、动画等就产生了。生成对抗网络就是这样的神奇。授新环节8.1原始生成式对抗网络8. 1. 1 GAN

17、 原理188. 1.2 GAN实现代码8. 2条件生成对抗网络8. 3最小二乘生成对抗网络详细内容见PPT课程思政通过讨论人工神经网络的安全问题，强化社会主义职业道德观。内容小结本章介绍了生成对抗网络的基本原理，并进行了博弈过程的数学推导。介绍了加入 另外条件y的生成对抗网络CGAN,又介绍了针对生成对抗网络图片质量不高以及训练 过程不稳定这两个缺陷进行改进的LSGAN网络。课后作业本章习题教学总结（1）从课程思政的角度：深度学习与思政教育紧密结合。（2）从知识体系的角度：生成式对抗网络是使人工智能升华的章节，展现了深度学习的神奇之处，让学生动 手实验，体会深度学习的魅力。（3）从能力培养的角

18、度：综合运用数学、计算机的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过超星平台发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）本章可安排上机实验学习展开实践教学。1920第1章深度学习基础深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：.理解人工智能、机器学习与深度学习基本概念及相互关系.理解深度学习的三大核心要素.理解神经元与深度神经网络.掌握神经网络中常用的激励函数.理解深度学习强大的原

19、因. 了解常见的深度学习框架重点：掌握神经网络中常用的激励函数难点：理解神经元与深度神经网络的关系；教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任务人工智能、机器学习与深度学习深度学习的三大核心要素神经元与深度神经网络神经网络中常用的激励函数深度学习强大的原因常见的深度学习框架内容引入人工智能、机器学习与深度学习这三个名词同学们是否耳熟能详？他们都是什么 样的技术？应用了深度学习技术的AlphaGo为什么能战胜人类围棋冠军？深度学习技 术如何模拟了人体的神经系统？目前有哪些流行的深度学习框架？通过本章的学习同学们都能自己找到答案。授新环节人工智

20、能、机器学习与深度学习L1.1人工智能简介机器学习简介深度学习简介深度学习的三大核心要素3神经元与深度神经网络神经网络中常用的激励函数深度学习强大的原因常见的深度学习框架详细内容见PPT课程思政1、讲授人工智能发展史和中国在该领域取得的成就，培养学生爱国主义精神和创新 意识；2、讲述人工智能的应用场景，了解安全知识，培养学生诚信意识、法治观念、 友善价值。内容小结本章从人工智能、机器学习与深度学习这三个耳熟能详的名词入手，对人工智能、 机器学习与深度学习做以简介。随后对深度学习逐步深入讲解，先介绍神经元与深度神 经网络，进而介绍深度学习的三大核心要素，介绍神经网络中常用到的激励函数，并总 结出

21、深度学习强大的原因。最后介绍常见的深度学习框架。课后作业本章习题教学总结(1)从课程思政的角度：深度学习与思政教育紧密结合。(2)从知识体系的角度：本章是全书的绪论，是对后续章节的导入。(3)从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才。效果评估(1)通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；(2)通过课程微信群，了解学生的学习动态并及时发布课程测试题目；(3)通过超星平台发布测试题，评估学生学习效果，并记录到平时成绩之中。第2章PyTorch框架安装深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教

22、学目标：. 了解 PyTorch 特点.掌握Windows下PyTorch深度学习环境的配置.掌握Linux下PyTorch深度学习环境的配置.掌握一种PyTorch开发工具重 点：掌握一种Pytorch深度学习环境的配置，掌握一种PyTorch开发工具。教学安排:教学环节教学内容教学工具(1)多媒体课堂教学(2)超星：上传PPT、练习题、实验教学任务2. 1 PyTorch 介绍2. 2 Windows下PyTorch深度学习环境的配置2.3 Linux下PyTorch深度学习环境的配置2. 4 PyTorch开发工具内容引入要想快速实现复杂深度神经网络的构建，必须使用深度神经网络框架。本章

23、开始， 我们将介绍本书使用的深度网络框架- PyTorch。通过本章的学习，读者将会了解为什 么我们选择PyTorch框架,也将学会将这个框架安装在Windows和Linux系统下。而 后介绍两个编辑PyTorch程序的集成开发环境。授新环节1 PyTorch 介绍2.2 Windows下PyTorch深度学习环境的配置2. 2. 1 Python环境搭建32. 2 Windows 上安装 PyTorch2.3 Linux下PyTorch深度学习环境的配置2. 3. 1 安装 VMware Workstation Pro2. 3. 2 配置 Python3. 5 环境2. 3. 3 Linux

24、 上安装 PyTorch2. 4 PyTorch开发工具2. 4. 1 IDLE2. 4. 2 PyCharm详细内容见PPT课程思政从Linux操作系统的兴起介绍，独立知识产权的重要性。内容小结通过本章的学习，同学们已经掌握了如何在Windows系统和Linux系统上以pip 方式安装PyTorch。并且介绍了编写PyTorch程序常用的两个集成开发环境：IDLE和 PyCharmo课后作业本章习题教学总结（1）从课程思政的角度：深度学习与思政教育紧密结合。（2）从知识体系的角度：本章是全书实验的基础，一定要在本章完成环境架设。（3）从能力培养的角度：综合运用数学、计算机的知识，培养全方位高

25、素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目 和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过超星平台发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）本章可安排上机实验学习展开实践教学。第3章PyTorch基础深度学习课程教学方案课程名称：深度学习任课教师：开课单位：教学对象：教学目标：.理解张量.掌握Tensor的创建.掌握Tensor的调整形状操作.掌握Tensor的加、减、乘、除、取绝对值操作.掌握Tensor的比较操作.掌握Tensor的数理统计操作.掌握Tensor与Numpy的互相转换操作.掌握Tensor的降维和增维操作.掌握Tensor的裁剪操作.掌握Tensor的索引操作.掌握cuda()函数重点：Tensor的创建、调整形状、加减乘除、取绝对值操作、比较、数理统计操作、与Numpy的互相转换、降维和增维、裁剪、索引，Tensor