深度學(xué)習(xí)實(shí)踐教程 教案全套 第1--8章 深度學(xué)習(xí)基礎(chǔ)----生成式對抗網(wǎng)絡(luò)

1、深度學(xué)習(xí)實(shí)踐教程教案第4章線性回歸和邏輯回歸深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：.理解回歸.理解線性回歸模型.掌握一元線性回歸的實(shí)現(xiàn).理解梯度及梯度下降. 了解多元線性回歸實(shí)現(xiàn).掌握邏輯回歸的概念和代碼實(shí)現(xiàn)重點(diǎn)：理解線性回歸模型，掌握一元線性回歸的實(shí)現(xiàn)。邏輯回歸的概念和代碼實(shí)現(xiàn)。難點(diǎn)：梯度下降法和損失函數(shù)。教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)1回歸線性回歸模型一元線性回歸的實(shí)現(xiàn)梯度及梯度下降多元線性回歸實(shí)現(xiàn)邏輯回歸內(nèi)容引入本章圍繞兩個問題展開：一、建立深度學(xué)習(xí)的線性回歸模型，實(shí)現(xiàn)簡單預(yù)測。二

2、、 建立深度學(xué)習(xí)的邏輯回歸模型，實(shí)現(xiàn)簡單分類。89線性回歸模型分為一元線性回歸和多元線性回歸。在一元線性回歸模型中先介紹 什么是回歸、什么是線性回歸、解決線性回歸的兩個主要方法：最小二乘法和梯度下降 法。最后介紹邏輯回歸模型。學(xué)習(xí)線性回歸的建模思想能夠有助于理解復(fù)雜的深度學(xué)習(xí) 模型。授新環(huán)節(jié)回歸線性回歸模型一元線性回歸的實(shí)現(xiàn)4梯度及梯度卜降4. 4. 1梯度4. 2梯度下降法多元線性回歸實(shí)現(xiàn)邏輯回歸4. 6.1什么是邏輯回歸4. 6. 2邏輯回歸中的損失函數(shù)4. 6. 3邏輯回歸的代碼實(shí)現(xiàn)詳細(xì)內(nèi)容見PPT課程思政引申迭代法的內(nèi)涵，強(qiáng)化工匠精神。內(nèi)容小結(jié)線性回歸模型處理的是預(yù)測問題，邏輯回歸模型

3、處理的是分類問題。那么回歸問題 和分類問題的區(qū)別在哪里呢？分類問題希望把數(shù)據(jù)集分到某一類，所以這是一個離散 的問題。而線性回歸是一個連續(xù)的問題，比如曲線的擬合，我們可以擬合任意的函數(shù)結(jié) 果，這個結(jié)果是一個連續(xù)的值。分類問題和回歸問題是深度學(xué)習(xí)的第一步，拿到任何一個問題，我們都需要先確定 其到底是分類還是回歸，然后再進(jìn)行算法設(shè)計(jì)。課后作業(yè)本章習(xí)題教學(xué)總結(jié)（1）從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。（2）從知識體系的角度：本章是理解深度學(xué)習(xí)的基礎(chǔ)，通過實(shí)驗(yàn)理解是最好的方法。（3）從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。(1)通過理論課堂教學(xué)，進(jìn)行師生互動，在課程

4、講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；效果評估(2)通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；(3)通過超星平臺發(fā)布測試題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。(4)本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。10第5章多層全連接神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：.理解全連接神經(jīng)網(wǎng)絡(luò)、softmax與交叉嫡.理解反向傳播算法，包括鏈?zhǔn)椒▌t、反向傳播算法.掌握計(jì)算機(jī)視覺工具包：torchvision.掌握用全連接神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多分類重點(diǎn)：理解softmax與交叉牖、掌握用全連接神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多分類。難點(diǎn)：理解softm

5、ax與交叉熠、理解反向傳播算法，包括鏈?zhǔn)椒▌t、反向傳播算法。教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)1全連接神經(jīng)網(wǎng)絡(luò)(FC)5.2多分類問題5. 3 softmax與交叉牖5. 4反向傳播算法5. 5計(jì)算機(jī)視覺工具包：torchvision5. 6用全連接神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多分類內(nèi)容引入從本章開始介紹各種神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)不是一個具體的算法，而是一種模型構(gòu)建 的思想或者方式。本章將介紹的多層全連接神經(jīng)網(wǎng)絡(luò)是一種采用神經(jīng)元全連接方式的 網(wǎng)絡(luò)。我們將用多層全連接神經(jīng)網(wǎng)絡(luò)解決一個MNIST手寫數(shù)字多分類問題。在進(jìn)入代11碼之前，會介紹所需的基礎(chǔ)知識

6、，如什么是多分類問題、深度學(xué)習(xí)的基石-反向傳播算 法、計(jì)算機(jī)視覺工具包：torchvisiorio授新環(huán)節(jié)5.1全連接神經(jīng)網(wǎng)絡(luò)(FC)5. 2多分類問題5. 3 softmax與交叉烯5. 4反向傳播算法5. 4. 1鏈?zhǔn)椒▌t5. 4. 2反向傳播算法5. 4. 3 Sigmoid函數(shù)舉例5. 5計(jì)算機(jī)視覺工具包：torchvision5. 6用全連接神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多分類5. 6.1定義網(wǎng)絡(luò)5. 6. 2全連接識別MNIST手寫數(shù)字詳細(xì)內(nèi)容見PPT課程思政從超參數(shù)調(diào)優(yōu)的過程，強(qiáng)化耐心、細(xì)致、有條理的工作作風(fēng)。內(nèi)容小結(jié)本章從全連接網(wǎng)絡(luò)的弱點(diǎn)引入卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)和下一章要講的循環(huán)神 經(jīng)網(wǎng)絡(luò)

7、都屬于深度前饋網(wǎng)絡(luò)。介紹了卷積神經(jīng)網(wǎng)絡(luò)的原理、卷積層、池化層卷積神經(jīng)網(wǎng) 絡(luò)的架構(gòu)，并介紹了三個經(jīng)典的CNN網(wǎng)絡(luò)：如LeNet5、VGGNet、ResNeto課后作業(yè)本章習(xí)題教學(xué)總結(jié)(1)從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。(2)從知識體系的角度：通過全鏈接網(wǎng)絡(luò)、Softmax等深度學(xué)習(xí)必須理解知識點(diǎn)的學(xué)習(xí)，學(xué)會分類。(3)從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。效果評估(1)通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；(2)通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；(3)通過超星平臺發(fā)布測試

8、題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。(4)本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。12第6章卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：.理解深度前饋網(wǎng)絡(luò).掌握卷積神經(jīng)網(wǎng)絡(luò)原理.掌握卷積層.掌握池化層.掌握CNN架構(gòu). 理解經(jīng)典CNN-LeNet5. 了解經(jīng)典 CNN- VGGNet. 了 解經(jīng)典 CNN-ResNet重點(diǎn)：掌握卷積神經(jīng)網(wǎng)絡(luò)原理、卷積層、池化層，掌握CNN架構(gòu)，理解經(jīng)典CNN-LeNet5o難點(diǎn)：掌握卷積神經(jīng)網(wǎng)絡(luò)原理、卷積層、池化層。教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任

9、務(wù)6.1深度前饋網(wǎng)絡(luò)6. 2全連接網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)6. 3卷積神經(jīng)網(wǎng)絡(luò)原理6. 4卷積層6. 5池化層6. 6 CNN架構(gòu)13146. 7 經(jīng)典 CNN-LeNet56. 8 經(jīng)典 CNN- VGGNet6. 9 經(jīng)典 CNN-ResNet 詳細(xì)內(nèi)容見PPT內(nèi)容引入隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的進(jìn)化與發(fā)展，科學(xué)家們慢慢也發(fā)現(xiàn)了一批網(wǎng)絡(luò)的局限性，所以 才想到是否可以設(shè)計(jì)一些新的神經(jīng)元的邏輯結(jié)構(gòu)或者連接方式來做個補(bǔ)充。卷積網(wǎng)絡(luò) 就是一種很有益的嘗試，而且這一嘗試就一發(fā)不可收拾。到現(xiàn)在為止，絕大多數(shù)在模式 識別應(yīng)用中表現(xiàn)好的網(wǎng)絡(luò)都在一定程度上。借鑒了卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵組件，這一章我 們就來看一下卷積神經(jīng)網(wǎng)絡(luò)。

10、授新環(huán)節(jié)6.1深度前饋網(wǎng)絡(luò)6. 2全連接網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)6. 3卷積神經(jīng)網(wǎng)絡(luò)原理6. 4卷積層6. 5池化層6. 6 CNN架構(gòu)6.7 經(jīng)典 CNN-LeNet56. 7. 1 LeNet-5 結(jié)構(gòu)6. 7. 2 CI FAR 10數(shù)據(jù)庫介紹6. 7. 3 LeNet-5代碼實(shí)現(xiàn)6. 8 經(jīng)典 CNN- VGGNet6. 8. 1 VGGNet 介紹6. 8. 2 VGGNet代碼實(shí)現(xiàn)6. 9 經(jīng)典 CNN-ResNet6. 9. 1 ResNet 介紹6. 9. 2 ResNet殘差模塊代碼實(shí)現(xiàn)課程思政行業(yè)中各加企業(yè)競爭激烈，要宣揚(yáng)社會主義核心價(jià)值觀，公平、誠信的進(jìn)行競爭。內(nèi)容小結(jié)本章從全

11、連接網(wǎng)絡(luò)的弱點(diǎn)引入卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)和下一章要講的循環(huán) 神經(jīng)網(wǎng)絡(luò)都屬于深度前饋網(wǎng)絡(luò)。介紹了卷積神經(jīng)網(wǎng)絡(luò)的原理、卷積層、池化層卷積神經(jīng) 網(wǎng)絡(luò)的架構(gòu)，并介紹了三個經(jīng)典的CNN網(wǎng)絡(luò)：如LeNet5、VGGNet ResNeto課后作業(yè)本章習(xí)題教學(xué)總結(jié)(1)從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。(2)從知識體系的角度：本章是全書的重點(diǎn)章節(jié)，其中卷積神經(jīng)網(wǎng)絡(luò)更是重中之重。(3)從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。效果評估(1)通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；(2)通過課程微信群，了解學(xué)生的學(xué)習(xí)動

12、態(tài)并及時發(fā)布課程測試題目；(3)通過超星平臺發(fā)布測試題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。(4)本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。15第7章循環(huán)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：了解前饋神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)了解循環(huán)神經(jīng)網(wǎng)絡(luò)原理理解長短時記憶網(wǎng)絡(luò)重點(diǎn)：理解長短時記憶網(wǎng)絡(luò)難點(diǎn)：長短時記憶網(wǎng)絡(luò)教學(xué)安排：教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)7.1前饋神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)7. 2循環(huán)神經(jīng)網(wǎng)絡(luò)原理7. 3長短時記憶網(wǎng)絡(luò)內(nèi)容引入卷積神經(jīng)網(wǎng)絡(luò)的各種版本不斷提升著對單個物體的識別性能，但在對于一些

13、與時 間先后有關(guān)的，比如視頻的下一時刻的預(yù)測，文檔后文內(nèi)容的預(yù)測等，這些算法的表 現(xiàn)就不盡如人意了。能否研究一種算法不僅考慮前一個神經(jīng)元的輸入，也考慮更前面的 神經(jīng)元的影響？這就是人們研究循環(huán)神經(jīng)網(wǎng)絡(luò)的初衷。授新環(huán)節(jié)7.1前饋神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)7. 2循環(huán)神經(jīng)網(wǎng)絡(luò)原理7. 3長短時記憶網(wǎng)絡(luò)167. 3. 1長短時記憶網(wǎng)絡(luò)原理7. 3. 2長短時記憶網(wǎng)絡(luò)實(shí)例17. 3. 3長短時記憶網(wǎng)絡(luò)實(shí)例2 詳細(xì)內(nèi)容見PPT課程思政通過序列標(biāo)注示例，介紹抗疫精神，促進(jìn)社會主義核心價(jià)值觀的認(rèn)同。內(nèi)容小結(jié)本章介紹了能夠考慮時間序列信息的循環(huán)神經(jīng)網(wǎng)絡(luò)，又針對循環(huán)神經(jīng)網(wǎng)絡(luò)容易出 現(xiàn)梯度消失或梯度爆炸的問題，介紹了

14、長短時記憶神經(jīng)網(wǎng)絡(luò)。從長短時神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 到實(shí)現(xiàn)原理，最后給出了兩個實(shí)例：第一個是LSTM網(wǎng)絡(luò)在學(xué)習(xí)了正弦波之后，試圖預(yù) 測未來的信號值。第二個是亞馬遜評論的情緒分析。課后作業(yè)本章習(xí)題教學(xué)總結(jié)(1)從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。(2)從知識體系的角度：本章的循環(huán)神經(jīng)網(wǎng)絡(luò)有很多實(shí)際應(yīng)用，通過實(shí)例理解。(3)從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。效果評估(1)通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；(2)通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；(3)通過超星平臺發(fā)布測試題，評估學(xué)

15、生學(xué)習(xí)效果，并記錄到平時成績之中。(4)本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。17 TOC o 1-5 h z 第1章深度學(xué)習(xí)基礎(chǔ)1第2章PyTorch框架安裝3第3章PyTorch基礎(chǔ)5第4章線性回歸和邏輯回歸8第5章多層全連接神經(jīng)網(wǎng)絡(luò)11第6章卷積神經(jīng)網(wǎng)絡(luò)13第7章循環(huán)神經(jīng)網(wǎng)絡(luò)16第8章生成式對抗網(wǎng)絡(luò)18第8章生成式對抗網(wǎng)絡(luò)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：理解原始生成式對抗網(wǎng)絡(luò)了解條件生成對抗網(wǎng)絡(luò)了解最小二乘生成對抗網(wǎng)絡(luò)重點(diǎn)：理解原始生成式對抗網(wǎng)絡(luò)難點(diǎn)：原始生成式對抗網(wǎng)絡(luò)概念教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳P

16、PT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)8.1原始生成式對抗網(wǎng)絡(luò)8. 2條件生成對抗網(wǎng)絡(luò)8. 3最小二乘生成對抗網(wǎng)絡(luò)內(nèi)容引入2014 年 Ian Goodfellow 提出了生成式對抗網(wǎng)絡(luò)(Generative Adversarial Networks, GAN)。在隨后的幾年中GAN就成了深度學(xué)習(xí)領(lǐng)域內(nèi)最火的一個概念，包括 LeCun在內(nèi)的許多學(xué)者都認(rèn)為，GAN的出現(xiàn)將會大大推進(jìn)人工智能向無監(jiān)督學(xué)習(xí)發(fā)展的 進(jìn)程。魔高 尺，道高 丈用來形容生成器和判別器最合適了，在生成器和判別器的博 弈中人們期望的圖片或視頻、動畫等就產(chǎn)生了。生成對抗網(wǎng)絡(luò)就是這樣的神奇。授新環(huán)節(jié)8.1原始生成式對抗網(wǎng)絡(luò)8. 1. 1 GAN

17、 原理188. 1.2 GAN實(shí)現(xiàn)代碼8. 2條件生成對抗網(wǎng)絡(luò)8. 3最小二乘生成對抗網(wǎng)絡(luò)詳細(xì)內(nèi)容見PPT課程思政通過討論人工神經(jīng)網(wǎng)絡(luò)的安全問題，強(qiáng)化社會主義職業(yè)道德觀。內(nèi)容小結(jié)本章介紹了生成對抗網(wǎng)絡(luò)的基本原理，并進(jìn)行了博弈過程的數(shù)學(xué)推導(dǎo)。介紹了加入 另外條件y的生成對抗網(wǎng)絡(luò)CGAN,又介紹了針對生成對抗網(wǎng)絡(luò)圖片質(zhì)量不高以及訓(xùn)練 過程不穩(wěn)定這兩個缺陷進(jìn)行改進(jìn)的LSGAN網(wǎng)絡(luò)。課后作業(yè)本章習(xí)題教學(xué)總結(jié)（1）從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。（2）從知識體系的角度：生成式對抗網(wǎng)絡(luò)是使人工智能升華的章節(jié)，展現(xiàn)了深度學(xué)習(xí)的神奇之處，讓學(xué)生動 手實(shí)驗(yàn)，體會深度學(xué)習(xí)的魅力。（3）從能力培養(yǎng)的角

18、度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。效果評估（1）通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；（2）通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；（3）通過超星平臺發(fā)布測試題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。（4）本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。1920第1章深度學(xué)習(xí)基礎(chǔ)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：.理解人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)基本概念及相互關(guān)系.理解深度學(xué)習(xí)的三大核心要素.理解神經(jīng)元與深度神經(jīng)網(wǎng)絡(luò).掌握神經(jīng)網(wǎng)絡(luò)中常用的激勵函數(shù).理解深度學(xué)習(xí)強(qiáng)大的原

19、因. 了解常見的深度學(xué)習(xí)框架重點(diǎn)：掌握神經(jīng)網(wǎng)絡(luò)中常用的激勵函數(shù)難點(diǎn)：理解神經(jīng)元與深度神經(jīng)網(wǎng)絡(luò)的關(guān)系；教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)深度學(xué)習(xí)的三大核心要素神經(jīng)元與深度神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)中常用的激勵函數(shù)深度學(xué)習(xí)強(qiáng)大的原因常見的深度學(xué)習(xí)框架內(nèi)容引入人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)這三個名詞同學(xué)們是否耳熟能詳？他們都是什么 樣的技術(shù)？應(yīng)用了深度學(xué)習(xí)技術(shù)的AlphaGo為什么能戰(zhàn)勝人類圍棋冠軍？深度學(xué)習(xí)技 術(shù)如何模擬了人體的神經(jīng)系統(tǒng)？目前有哪些流行的深度學(xué)習(xí)框架？通過本章的學(xué)習(xí)同學(xué)們都能自己找到答案。授新環(huán)節(jié)人工智

20、能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)L1.1人工智能簡介機(jī)器學(xué)習(xí)簡介深度學(xué)習(xí)簡介深度學(xué)習(xí)的三大核心要素3神經(jīng)元與深度神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)中常用的激勵函數(shù)深度學(xué)習(xí)強(qiáng)大的原因常見的深度學(xué)習(xí)框架詳細(xì)內(nèi)容見PPT課程思政1、講授人工智能發(fā)展史和中國在該領(lǐng)域取得的成就，培養(yǎng)學(xué)生愛國主義精神和創(chuàng)新 意識；2、講述人工智能的應(yīng)用場景，了解安全知識，培養(yǎng)學(xué)生誠信意識、法治觀念、 友善價(jià)值。內(nèi)容小結(jié)本章從人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)這三個耳熟能詳?shù)拿~入手，對人工智能、 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)做以簡介。隨后對深度學(xué)習(xí)逐步深入講解，先介紹神經(jīng)元與深度神 經(jīng)網(wǎng)絡(luò)，進(jìn)而介紹深度學(xué)習(xí)的三大核心要素，介紹神經(jīng)網(wǎng)絡(luò)中常用到的激勵函數(shù)，并總 結(jié)出

21、深度學(xué)習(xí)強(qiáng)大的原因。最后介紹常見的深度學(xué)習(xí)框架。課后作業(yè)本章習(xí)題教學(xué)總結(jié)(1)從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。(2)從知識體系的角度：本章是全書的緒論，是對后續(xù)章節(jié)的導(dǎo)入。(3)從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高素質(zhì)人才。效果評估(1)通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；(2)通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；(3)通過超星平臺發(fā)布測試題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。第2章PyTorch框架安裝深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教

22、學(xué)目標(biāo)：. 了解 PyTorch 特點(diǎn).掌握Windows下PyTorch深度學(xué)習(xí)環(huán)境的配置.掌握Linux下PyTorch深度學(xué)習(xí)環(huán)境的配置.掌握一種PyTorch開發(fā)工具重 點(diǎn)：掌握一種Pytorch深度學(xué)習(xí)環(huán)境的配置，掌握一種PyTorch開發(fā)工具。教學(xué)安排:教學(xué)環(huán)節(jié)教學(xué)內(nèi)容教學(xué)工具(1)多媒體課堂教學(xué)(2)超星：上傳PPT、練習(xí)題、實(shí)驗(yàn)教學(xué)任務(wù)2. 1 PyTorch 介紹2. 2 Windows下PyTorch深度學(xué)習(xí)環(huán)境的配置2.3 Linux下PyTorch深度學(xué)習(xí)環(huán)境的配置2. 4 PyTorch開發(fā)工具內(nèi)容引入要想快速實(shí)現(xiàn)復(fù)雜深度神經(jīng)網(wǎng)絡(luò)的構(gòu)建，必須使用深度神經(jīng)網(wǎng)絡(luò)框架。本章

23、開始， 我們將介紹本書使用的深度網(wǎng)絡(luò)框架- PyTorch。通過本章的學(xué)習(xí)，讀者將會了解為什 么我們選擇PyTorch框架,也將學(xué)會將這個框架安裝在Windows和Linux系統(tǒng)下。而 后介紹兩個編輯PyTorch程序的集成開發(fā)環(huán)境。授新環(huán)節(jié)1 PyTorch 介紹2.2 Windows下PyTorch深度學(xué)習(xí)環(huán)境的配置2. 2. 1 Python環(huán)境搭建32. 2 Windows 上安裝 PyTorch2.3 Linux下PyTorch深度學(xué)習(xí)環(huán)境的配置2. 3. 1 安裝 VMware Workstation Pro2. 3. 2 配置 Python3. 5 環(huán)境2. 3. 3 Linux

24、 上安裝 PyTorch2. 4 PyTorch開發(fā)工具2. 4. 1 IDLE2. 4. 2 PyCharm詳細(xì)內(nèi)容見PPT課程思政從Linux操作系統(tǒng)的興起介紹，獨(dú)立知識產(chǎn)權(quán)的重要性。內(nèi)容小結(jié)通過本章的學(xué)習(xí)，同學(xué)們已經(jīng)掌握了如何在Windows系統(tǒng)和Linux系統(tǒng)上以pip 方式安裝PyTorch。并且介紹了編寫PyTorch程序常用的兩個集成開發(fā)環(huán)境：IDLE和 PyCharmo課后作業(yè)本章習(xí)題教學(xué)總結(jié)（1）從課程思政的角度：深度學(xué)習(xí)與思政教育緊密結(jié)合。（2）從知識體系的角度：本章是全書實(shí)驗(yàn)的基礎(chǔ)，一定要在本章完成環(huán)境架設(shè)。（3）從能力培養(yǎng)的角度：綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)的知識，培養(yǎng)全方位高

25、素質(zhì)人才。效果評估（1）通過理論課堂教學(xué)，進(jìn)行師生互動，在課程講授過程中，實(shí)時發(fā)布測試題目 和課堂提問，掌握學(xué)習(xí)效果；（2）通過課程微信群，了解學(xué)生的學(xué)習(xí)動態(tài)并及時發(fā)布課程測試題目；（3）通過超星平臺發(fā)布測試題，評估學(xué)生學(xué)習(xí)效果，并記錄到平時成績之中。（4）本章可安排上機(jī)實(shí)驗(yàn)學(xué)習(xí)展開實(shí)踐教學(xué)。第3章PyTorch基礎(chǔ)深度學(xué)習(xí)課程教學(xué)方案課程名稱：深度學(xué)習(xí)任課教師：開課單位：教學(xué)對象：教學(xué)目標(biāo)：.理解張量.掌握Tensor的創(chuàng)建.掌握Tensor的調(diào)整形狀操作.掌握Tensor的加、減、乘、除、取絕對值操作.掌握Tensor的比較操作.掌握Tensor的數(shù)理統(tǒng)計(jì)操作.掌握Tensor與Numpy的互相轉(zhuǎn)換操作.掌握Tensor的降維和增維操作.掌握Tensor的裁剪操作.掌握Tensor的索引操作.掌握cuda()函數(shù)重點(diǎn)：Tensor的創(chuàng)建、調(diào)整形狀、加減乘除、取絕對值操作、比較、數(shù)理統(tǒng)計(jì)操作、與Numpy的互相轉(zhuǎn)換、降維和增維、裁剪、索引，Tensor