PyTorch与深度学习实战-教案全套 第1-7章 深度学习概述- 基于TipDM大数据挖掘建模平台实现文本生成

第1章深度学习概述教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：3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本章主要介绍深度学习的基本定义以及其应用领域，包括物体检测、视觉定位、物体测量、物体分拣、图像分割、图像的生成等应用领域；然后分别介绍深度学习与计算机视觉、自然语言处理、语言识别、机器学习和人工智能间的关系；最后针对深度学习中的PyTorch框架，介绍其特点、安装流程和预训练模型的使用。基本要求了解深度学习的定义和常见应用。了解深度学习与其他领域之间的联系。掌握PyTorch深度学习框架的安装方法掌握PyTorch中预训练模型的使用方法。问题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。深度学习能够做什么？现实生活中存在哪些地方应用了深度学习技术？PyTorch框架有哪些优势？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。深度学习技术是怎么影响计算机视觉领域的？深度学习与人工智能的关系是什么？PyTorch具有什么样的生态？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。深度学习是不是万能的？预训练模型有什么用处？主要知识点、重点与难点主要知识点深度学习的基本定义。深度学习的常见应用场景。常见的深度学习应用技术。常见的深度学习框架。PyTorch的生态。PyTorch的特性。PyTorch的安装过程。预训练模型的概念。预训练模型的使用场景。预训练模型的调用方法。重点常见的深度学习框架。PyTorch的生态。PyTorch的特性。PyTorch的安装过程。预训练模型的概念。预训练模型的使用场景。预训练模型的调用方法。难点常见的深度学习框架。PyTorch的安装过程。预训练模型的概念。预训练模型的调用方法。教学过程设计理论教学过程深度学习的基本定义。深度学习的常见应用场景。常见的深度学习应用技术。常见的深度学习框架。PyTorch的生态。PyTorch的特性。PyTorch的安装过程。预训练模型的概念。预训练模型的使用场景。预训练模型的调用方法。实验教学过程安装驱动和CUDA环境。测试驱动安装完成。下载安装PyTorch。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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．第2章PyTorch深度学习通用流程教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：6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本章中展示在PyTorch框架下深度学习的通用流程，并使用猫狗分类进行流程的演示。首先介绍加载和预处理数据的方法，然后介绍两种构建网络的方法和常用的激活函数，其次通过设置优化器和损失函数进行网络的编译，接下来设置训练网络时的迭代次数和批训练，最后对训练好的模型进行性能评估。基本要求了解PyTorch深度学习的通用流程.掌握使用PyTorch进行数据加载和预处理的方法。掌握使用PyTorch构建神经网络的方法。掌握使用PyTorch编译神经网络的方法。掌握使用PyTorch训练神经网络的方法。掌握使用PyTorch进行性能评估的方法。问题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。深度学习包含哪些步骤？PyTorch要怎么读取数据？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。数据预处理的作用是什么？编译网络的步骤中需要做什么？有哪些手段能够评估模型的效果？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。在训练网络的过程中使用批训练有什么好处？不同的评估指标分别适用于哪些场景？主要知识点、重点与难点主要知识点数据加载。数据预处理。常用的网络构建方法。激活函数。损失函数。优化器。迭代次数。批训练。评估指标。重点数据预处理。常用的网络构建方法。激活函数。损失函数。优化器。迭代次数。批训练。难点常用的网络构建方法。激活函数。损失函数。优化器。迭代次数。教学过程设计理论教学过程数据加载。数据预处理。常用的网络构建方法。激活函数。损失函数。优化器。迭代次数。批训练。评估指标。实验教学过程加载及预处理猫狗分类数据。构建基于CNN的猫狗分类网络。编译基于CNN的猫狗分类网络。训练基于CNN的猫狗分类网络。评估基于CNN的猫狗分类模型性能。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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．第4章手写汉字识别教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：14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在本章中展示如何在PyTorch框架下构建卷积神经网络进行手写汉字图像的识别。首先需要加载手写汉字图像数据，然后构建卷积神经网络，其次设置优化器和损失函数，最后训练网络并对训练好的模型进行性能评估。基本要求了解书写汉字识别的相关背景。掌握卷积神经网络的构建方法。掌握编译、训练模型的方法。掌握对模型进行性能评估、泛化测试的方法。问题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。手写汉字识别有哪些应用？手写汉字识别包含哪些步骤？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。如何构建卷积神经网络？编译网络的步骤中需要做什么？训练网络需要设置哪些参数？都有什么效果？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。还有哪种深度神经网络适合用于手写汉字识别？如何改进模型的识别效果？主要知识点、重点与难点主要知识点手写汉字识别的背景。分析目标与流程。加载图像数据。构建网络。编译网络。训练网络。性能评估。模型预测。重点分析目标与流程。加载图像数据。构建网络。编译网络。训练网络。性能评估。难点构建网络。编译网络。训练网络。教学过程设计理论教学过程手写汉字识别的背景。分析目标与流程。加载图像数据。构建网络。编译网络。训练网络。性能评估。模型预测。实验教学过程定义生成图像集路径txt文档的函数。定义读取并变换图像数据格式的类。加载图像数据提取时间序列数据信息。构建网络。编译网络。训练网络。性能评估。模型预测。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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．第5章文本生成教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：14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本章主要实现基于LSTM和Bi-LSTM的文本生成，首先介绍案例的背景、分析目标和流程，然后进行文本预处理，设置配置项，生成训练数据，紧接着构建网络。接着需要训练网络，其中需要设置配置项，以及定义文本生成器进行文本生成。最后分析结果。基本要求了解文本生成的背景及目标。熟悉文本生成的具体流程。掌握文本预处理的方法。掌握搭建LSTM网络的方法。掌握训练LSTM网络的方法。问题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。什么是文本生成？文本生成有哪些种类？要实现文本生成需要有哪些步骤？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。为什么要做文本预处理？如何构建文本生成网络？训练网络需要设置哪些参数？都有什么效果？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。如何改进让模型生成的文本更像是人类编写的？还有哪些深度神经网络能用于文本生成？如何实现从语音生成文本？主要知识点、重点与难点主要知识点文本生成的背景。分析目标与流程。文本预处理。构建网络。训练网络。结果分析。重点分析目标与流程。文本预处理。构建网络。训练网络。结果分析。难点文本预处理。构建网络。训练网络。教学过程设计理论教学过程文本生成的背景。分析目标与流程。文本预处理。构建网络。训练网络。结果分析。实验教学过程文本数据处理。创建字典。序列生成。定义文本生成类的构造方法。权重初始化。构建网络。设置配置项。执行训练。文本生成器。结果分析。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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．第6章基于CycleGAN的图像风格转换教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：14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本章主要实现基于CycleGAN的图像风格转换。在读取数据之后，定义残差网络、生成器、判别器和缓存队列的函数。然后对网络中的生成器与判别器进行训练。最后对网络训练过程中某几个周期的输出进行分析。基本要求了解图像风格转换的背景。熟悉图像风格转换的步骤与流程。熟悉CycleGAN的网络结构与搭建步骤。掌握CycleGAN网络的训练方法。问题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。图像风格转换主要做些什么？目前生活中有哪些地方应用了图像风格转换？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。为什么要加入残差网络？缓存队列有什么作用？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。还有哪些深度神经网络适合用于图像风格转换？如何改进图像的转换效果？主要知识点、重点与难点主要知识点图像风格转换的背景。分析目标与流程。数据准备。构建网络。训练网络。结果分析。重点分析目标与流程。数据准备。构建网络。训练网络。结果分析。难点数据准备。构建网络。训练网络。教学过程设计理论教学过程图像风格转换的背景。分析目标与流程。数据准备。构建网络。训练网络。结果分析。实验教学过程数据准备。构建残差网络block。构建生成器Generator。构建判别器Discriminator 。设置缓存队列ReplayBuffer。训练网络。结果分析。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．深度学习与计算机视觉实战[M]．北京：人民邮电出版社．2022．[3] 弗朗索瓦·肖莱，张亮等．Python深度学习[M]．人民邮电出版社．2018．第7章基于TipDM大数据挖掘建模平台实现文本生成教案课程名称：PyTorch与深度学习实战课程类别：必修适用专业：人工智能类相关专业总学时：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：3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本章介绍如何在TipDM数据大挖掘建模平台上配置文本生成案例的工程，从文本预处理开始，再到构建网络，最后训练LSTM网络生成诗句。基本要求了解TipDM大数据挖掘建模平台的相关概念和特点。熟悉使用TipDM大数据挖掘建模平台配置文本生成任务的总体流程。掌握使用TipDM大数据挖掘建模平台获取数据的方法。掌握使用TipDM大数据挖掘建模平台进行配置数据源、文本预处理、构建网络、训练网络等操作。问题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。TipDM数据挖掘建模平台能做些什么？TipDM数据挖掘建模平台如何实现文本生成？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