第3章 PyTorch深度学习基础 教案

第3章PyTorch深度学习基础教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时（其中理论26学时，实验38学时）总学分：4.0学分本章学时：10学时材料清单《PyTorch与深度学习实战》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标通过介绍使用PyTorch实现常见的深度学习网络，包括卷积神经网络、循环神经网络和生成对抗网络，学生达到以下目标：了解常用的卷积神经网络的算法理论及应用；了解常用的循环神经网络的算法理论及应用；了解常用的生成对抗神经网络的算法理论及应用；掌握使用PyTorch实现常用深度神经网络的构建和训练的方法。基本要求了解常用的卷积神经网络的算法理论及应用。了解常用的循环神经网络的算法理论及应用。了解常用的生成对抗神经网络的算法理论及应用。掌握使用PyTorch实现常用深度神经网络的构建和训练的方法。问题1.引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。PyTorch实现常见的深度学习网络有哪些？不同的深度学习网络有什么区别？深度学习网络有哪些方面应用？如何使用PyTorch实现不同的深度学习网络？2.探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。用PyTorch实现深度学习网络的完整流程是怎样的？深度学习网络应用在那些场景？不同的深度神经网络中的网络层的有哪些异同？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。针对同一问题，如何选择合适的深度学习网络？PyTorch深度学习框架与其它深度学习模型相比，有哪些异同？使用PyTorch深度学习框架，可以从哪些角度入手？主要知识点、重点与难点主要知识点常用卷积神经网络算法及其结构。卷积神经网络的核心网络层。常见的循环神经网络算法及其结构。循环神经网络中的常用网络层。经典生成对抗网络（经典GAN）的算法及其结构。常用的生成对抗网络算法及其结构。重点不同深度学习网络的概念、流程与应用场景。不同深度学习网络的PyTorch下的实现。难点不同深度学习网络的概念与流程。教学过程设计理论教学过程常用卷积神经网络算法及其结构。卷积神经网络的核心网络层。使用卷积神经网络实现手写数字识别图像分类。常见的循环神经网络算法及其结构。循环神经网络中的常用网络层。使用循环神经网络实现时间序列分析。经典生成对抗网络（经典GAN）的算法及其结构。常用的生成对抗网络算法及其结构。使用生成对抗网络实现手写数字图像生成。实验教学过程使用卷积神经网络实现手写数字识别图像分类。使用循环神经网络实现时间序列分析。使用生成对抗网络实现手写数字图像生成。教材与参考资料教材刘双星，张良均．PyTorch与深度学习实战[M]．北京：人民邮电出版社．2023．参考资料[1] 崔炜，张良均．TensorFlow2深度学习实战[M]．北京：人民邮电出版社．2021．[2] 彭小红，张良均．深