PyTorch与深度学习实战-教案 第1、2章 深度学习概述、PyTorch深度学习通用流程

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