《人工智能與Python程序設計》教學大綱

人工智能與Python程序設計教學大綱課程簡介“人工智能與Python程序設計”是一門本科生人工智能入門課程，同時也是統(tǒng)領后續(xù)人工智能教學和知識普及的引領課程，把學生引進人工智能理論與實踐的大門。它的目標有兩個：一個是擴展學生在人工智能方面的視野培養(yǎng)興趣，對人工智能的方法論和應用領域有一個全面的認識，另一個是為學習后續(xù)課程打下堅實的基礎，培養(yǎng)人工智能理論研究和實踐應用人才。教學內(nèi)容分為四大部分，分別是人工智能概論、Python編程語言基礎、人工智能模型與深度學習平臺初步、大規(guī)模人工智能實踐。教學目標在知識水平方面，培養(yǎng)學生掌握用python語言設計人工智能算法程序解決實際問題的能力；在綜合能力方面，通過創(chuàng)設適當?shù)那榫硢栴}加強教學知識的形成和學生學習過程的體驗，注重學生的動手、操作能力的訓練。在實踐作業(yè)中讓學生實現(xiàn)人臉識別和機器自動寫詩等實際應用，體會有用并且有趣的人工智能技術(shù)。在大項目與大作業(yè)的實踐過程中，強調(diào)同學間的相互交流與合作，培養(yǎng)學生的團隊合作能力。課程訓練環(huán)節(jié)設計1.案例驅(qū)動和教師演示:課堂采用PPT講授和現(xiàn)場運行程序的方式進行教學，在上機課安排學生進行上機操作，以增強學生的實踐操作能力；2.卷積的實現(xiàn)與效果觀察：了解卷積操作和定義和效果，用Python實現(xiàn)二維卷積操作并觀察其在圖像變換上的效果。3.文本詞頻統(tǒng)計：統(tǒng)計給定文本文件的詞頻與并進行可視化展示，使用Python完成多個文本文件的讀取、分詞、詞頻統(tǒng)計、畫圖展示等自動文本處理任務。4.實現(xiàn)邏輯斯蒂回歸：實現(xiàn)并測試邏輯斯蒂回歸（Logisticregression）算法，使用Python語言實現(xiàn)邏輯斯蒂回歸模型和基于梯度下降的模型訓練算法。5.基于PyTorch的邏輯斯蒂回歸模型：使用PyTorch庫，實現(xiàn)LogisticRegression算法，并在真實數(shù)據(jù)集上驗證算法的性能。6.MINIST-fashion圖像分類：使用PyTorch庫搭建一個基于卷積神經(jīng)網(wǎng)絡的深度圖像分類模型，完成包括數(shù)據(jù)讀取、定義CNN模型、定義損失函數(shù)、模型的訓練和測試等使用深度學習技術(shù)解決實際問題的完整流程。教學進度安排教學周：第1周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：人工智能和Python語言概述【課堂教學內(nèi)容與要求】了解本課程全貌、簡介人工智能概念與發(fā)展歷史、介紹Python語言及其編程環(huán)境，具體包括：1.人工智能導語2.Python語言在人工智能應用開發(fā)中的重要作用3.Python語言與C語言的區(qū)別（編譯型語言與解釋型語言的區(qū)別）4.Python語言概述5.開發(fā)環(huán)境配置6.Anaconda與PythonIDE【課外學習內(nèi)容與要求】1.思考：舉出3個你認為具有智能的產(chǎn)品，再舉出3個認為不具備智能的產(chǎn)品，說出你的理由。2.在自己的機器上安裝Anaconda和PyCharm，預備后續(xù)學習環(huán)境；教學周：第1周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python基本語法元素【課堂教學內(nèi)容與要求】通過實例掌握Python語言的基本語法（縮進、變量、命名等），掌握Python語言繪制圖形的一般方法，了解Python標注庫的導入和使用，具體包括：1.Python程序?qū)嵗馕?.基本語法元素分析（格式框架、注釋、命名與保留字、字符串、賦值語句、分支語句、input、print、eval函數(shù)）3.演示Python調(diào)試環(huán)境PyCharm的安裝和使用方法【課外學習內(nèi)容與要求】思考：比較分析Python語言和程序設計I中的C語言的優(yōu)劣，你更喜歡哪種語言的風格教學周：第2周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python基本數(shù)據(jù)類型【課堂教學內(nèi)容與要求】掌握三種數(shù)字類型的概念和使用，了解它們在計算機中的表示方法并運用Python標準數(shù)學庫進行數(shù)值計算；掌握字符串類型的概念、使用方法、格式化操作方法和應用等，具體包括：1.基本數(shù)據(jù)類型（整數(shù)、浮點數(shù)、復數(shù)）2.數(shù)值運算操作與運算函數(shù)3.數(shù)據(jù)類型轉(zhuǎn)換4.math庫5.字符串類型及操作（字符串操作符、處理函數(shù)）【課外學習內(nèi)容與要求】1.布置作業(yè)：用Python字符串操作功能實現(xiàn)文本進度條2.思考：與C語言的int、float、double、char*等具有顯示定義的數(shù)據(jù)類型比較，Python的基本數(shù)據(jù)類型在定義和操作上有何特點？方便之處在哪里？可能產(chǎn)生的問題有哪些？教學周：第2周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：程序的控制結(jié)構(gòu)和異常處理【課堂教學內(nèi)容與要求】介紹：了解程序基本結(jié)構(gòu)和分支結(jié)構(gòu)，運用Python中的if、else、elif等語句實現(xiàn)分支；掌握程序循環(huán)結(jié)構(gòu)，運用Python中的for和while語句實現(xiàn)循環(huán)結(jié)構(gòu)；了解程序異常處理及方法。具體包括：1.程序的分支結(jié)構(gòu)2.程序的循環(huán)結(jié)構(gòu)3.程序異常處理方法【課外學習內(nèi)容與要求】1.思考：調(diào)研歷史上求圓周率的幾大類2.布置大作業(yè)：二維卷積的實現(xiàn)與應用教學周：第3周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python函數(shù)的定義與應用【課堂教學內(nèi)容與要求】理解函數(shù)的定義，掌握函數(shù)的基本使用方法；理解函數(shù)的調(diào)用過程，掌握lambda函數(shù)；理解并掌握函數(shù)的參數(shù)傳遞，理解可選參數(shù)、可變數(shù)量參數(shù)、名稱傳遞、返回值以及函數(shù)對變量的作用；具體內(nèi)容包括：1.函數(shù)的基本使用2.函數(shù)的參數(shù)傳遞3.代碼復用與模塊化設計4.函數(shù)遞歸【課外學習內(nèi)容與要求】1.查閱資料，了解python和C的函數(shù)定義、使用、參數(shù)傳遞等方面的異同；2.利用datatime庫，編程實現(xiàn)七段數(shù)碼管繪制；3.利用遞歸思想，編程實現(xiàn)科赫曲線繪制；4.課后練習5.1-5.7，利用遞歸算法解決漢諾塔難題。教學周：第3周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python組合數(shù)據(jù)類型（一）【課堂教學內(nèi)容與要求】了解三類基本組合數(shù)據(jù)類型（序列、集合、映射）；理解列表概念并掌握Python中列表的使用，運用列表管理采集的信息；掌握jieba庫，能夠處理一組數(shù)據(jù)，并處理中文文本；能夠?qū)χ形奈谋具M行分詞，運用列表進行詞頻統(tǒng)計。1.組合數(shù)據(jù)類型概述2.列表類型與操作3.jieba庫的使用與詞頻統(tǒng)計【課外學習內(nèi)容與要求】1.查閱網(wǎng)絡資料了解Python中列表和C中數(shù)組的異同；2.查閱資料，探索jieba庫的更多功能；3.程序練習題6.1-6.6.4.布置作業(yè)：讀多個文本文件，統(tǒng)計字符頻率教學周：第3周第3次

教學方式：實驗教學

實驗課時：8學時實驗名稱：卷積的實現(xiàn)與效果實驗分組：1人/組【實驗教學安排】實驗目標：了解卷積操作和定義和效果，用Python實現(xiàn)二維卷積操作并觀察其在圖像變換上的效果。實驗內(nèi)容：1.給定一幅圖片的矩陣表達的卷積核和卷積操作的數(shù)學定義，用Python的math庫實現(xiàn)卷積操作，對比轉(zhuǎn)換之前和之后圖片的異同；2.變換不同的卷積核，對比不同的卷積核對轉(zhuǎn)換后圖片的影響。

教學周：第4周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python組合數(shù)據(jù)類型（二）【課堂教學內(nèi)容與要求】掌握集合、字典概念，并掌握Python中集合和字典的使用；了解Listslice用法；了解列表推導式（ListComprehension）用法；了解collections中DefaultDict、Counter等數(shù)據(jù)類型的用法。1.集合類型的概念與操作2.字典類型的概念與操作3.組合數(shù)據(jù)類型高級操作【課外學習內(nèi)容與要求】1.查閱網(wǎng)絡資料了解訪問集合和字典中的時間復雜度；2.查閱資料了解collections和itertools模塊中的類型和函數(shù)的用法；3.leetcode等集合、字典相關(guān)編程題練習。教學周：第4周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：PythonIO編程和數(shù)據(jù)格式化【課堂教學內(nèi)容與要求】了解Python語言對文件、系統(tǒng)目錄的支持，熟悉并會使用Python對二進制文件和非二進制文件的讀、寫、追寫等操作。1.文件（含二進制）打開、關(guān)閉、讀寫2.PythonCSV標準庫的介紹3.CSV文件讀寫：一，二維數(shù)據(jù)格式化與處理4.表單數(shù)據(jù)的索引與打印【課外學習內(nèi)容與要求】1.查閱網(wǎng)絡資料了解文件的范疇，可讀可寫等權(quán)限屬性；2.查閱資料了解try-except語法在文件讀寫中的作用；3.查閱資料了解PythonCSV的更多高階使用方法。教學周：第5周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python面向?qū)ο缶幊蹋ㄒ唬菊n堂教學內(nèi)容與要求】了解面向?qū)ο缶幊谈拍?，知道面向過程與面向?qū)ο缶幊痰牟町?，熟悉Python在面向?qū)ο缶幊讨械牟僮?，如類，實例，訪問限制等。1.面向?qū)ο缶幊探榻B2.Python面向?qū)ο缶幊讨蓄惡蛯嵗母拍?.數(shù)據(jù)封裝4.訪問限制【課外學習內(nèi)容與要求】1.閱讀推薦材料中關(guān)于python面向?qū)ο缶幊痰南嚓P(guān)資料；2.思考C++語言同Python語言在面向?qū)ο筮^程中的共性和差異性。教學周：第5周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python面向?qū)ο缶幊蹋ǘ菊n堂教學內(nèi)容與要求】了解面向?qū)ο缶幊痰母唠A概念，熟悉Python在面向?qū)ο缶幊讨械睦^承和多態(tài)；對象信息獲取等。1.面向?qū)ο缶幊讨欣^承和多態(tài)2.獲取對象信息3.實例屬性和類屬性4.學生信息類示例【課外學習內(nèi)容與要求】1.閱讀推薦材料中關(guān)于python面向?qū)ο缶幊痰南嚓P(guān)資料；2.深入思考C++語言同Python語言在面向?qū)ο筮^程中的共性和差異性。教學周：第5周第3次

教學方式：實驗教學

實驗課時：8學時實驗名稱：文本文件的詞頻統(tǒng)計實驗分組：1人/組【實驗教學安排】實驗目標：統(tǒng)計給定文本文件的詞頻與展示。實驗內(nèi)容：1.讀取多個文本文件，對文件進行分詞等操作；2.基于字典等數(shù)據(jù)類型計算詞頻；3.統(tǒng)計詞頻與打印輸出。4.畫圖展示教學周：第6周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python面向?qū)ο箜椖糠治觥菊n堂教學內(nèi)容與要求】以一個Python程序為例，具體分析如何使用面對對象程序設計方法對程序代碼進行組織和管理；通過具體案例講解面向?qū)ο蟪绦蛟O計思想以及基礎語法，要求掌握向?qū)ο蟪绦蛟O計思想和面向過程程序設計思想的主要區(qū)別與不同。【課外學習內(nèi)容與要求】1.查閱網(wǎng)上資料，進一步閱讀更多的面向?qū)ο蟪绦虬咐?.練習使用面向?qū)ο笏枷胫貥?gòu)之前作業(yè)的代碼教學周：第6周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python進階【課堂教學內(nèi)容與要求】以不可變數(shù)據(jù)類型和可變數(shù)據(jù)類型的區(qū)別為例，講解Python中對象與引用的核心實現(xiàn)與使用機制【課外學習內(nèi)容與要求】查閱網(wǎng)絡資料預習和復習Python中的對象與應用教學周：第7周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Python數(shù)值計算與一元線性回歸【課堂教學內(nèi)容與要求】掌握Python三種第三方庫的安裝方法；了解科學計算的基本概念；掌握numpy庫，運用numpy庫進行矩陣分析與數(shù)值運算；理解回歸問題流程，掌握線性回歸、梯度下降。1.第三方庫安裝2.Numpy庫使用3.圖像的矩陣表示和處理4.分類問題與線性回歸（linearregression）【課外學習內(nèi)容與要求】1.進一步熟練運用numpy，探索numpy庫的更多功能；2.將疫情預測問題建模為回歸問題；3.布置作業(yè)：用numpy編程實現(xiàn)預測。教學周：第7周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：多元線性回歸【課堂教學內(nèi)容與要求】理解多元線性回歸問題流程，掌握線性回歸、梯度下降。學習邏輯回歸1.多元線性回歸2.Matplotlib的安裝和使用3.使用Matplotlib庫進行圖表繪制4.邏輯回歸【課外學習內(nèi)容與要求】查閱資料理解邏輯回歸(logisticsregression)，并用numpy實現(xiàn)邏輯回歸教學周：第7周第3次

教學方式：實驗教學

實驗課時：8學時實驗名稱：實現(xiàn)LogisticRegression實驗分組：1人/組【實驗教學安排】實驗目標：實現(xiàn)并測試Logisticregression算法。實驗內(nèi)容：1.理解LogisticRegression的公式2.依據(jù)公式中的梯度計算方法實現(xiàn)代碼3.測試代碼運行的效果，觀察loss值下降的情況教學周：第8周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：期中復習教學周：第8周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：期中考試教學周：第9周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：期中習題講解教學周：第9周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：人工智能概述【課堂教學內(nèi)容與要求】介紹人工智能的基本概念，螺旋式的發(fā)展歷史（包括誕生、三次低谷、熱潮等）、不同的流派（如：符號主義、連接主義、行為主義）、人工智能涉及到的主要應用領域以及當前主流的人工智能方法（如：監(jiān)督學習、深度學習、強化學習等）1.人工智能的基本概念2.人工智能的發(fā)展歷史3.人工智能的應用領域【課外學習內(nèi)容與要求】1.閱讀相關(guān)材料，進一步了解人工智能的起源和發(fā)展歷程；2.思考：人工智能不同流派的思想有何異同？3.思考：人工智能在未來會不會再次遇到低谷？

教學周：第10周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：機器學習基本流程介紹【課堂教學內(nèi)容與要求】掌握機器學習中監(jiān)督學習、無監(jiān)督學習的概念；掌握數(shù)據(jù)集劃分方法，理解樣本、訓練數(shù)據(jù)、驗證集、測試數(shù)據(jù)的概念和作用；理解機器學習模型的訓練過程，了解各種評價指標，掌握機器學習模型的測試和評價方法。1.機器學習概述：監(jiān)督學習/無監(jiān)督學習2.數(shù)據(jù)集劃分3.訓練過程4.測試和結(jié)果評估【課外學習內(nèi)容與要求】1.查閱資料，了解半監(jiān)督學習、弱監(jiān)督學、自監(jiān)督學習的概念；2.查閱資料，了解有哪些常用的機器學習方法；3.針對圖像分類、文本分類等常見監(jiān)督學習問題，描述其樣本空間、訓練集和測試集的構(gòu)成以及評價指標的計算方法。教學周：第10周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Pytorch簡介和安裝【課堂教學內(nèi)容與要求】理解深度學習的基本概念；了解有影響力的深度學習框架，了解Pytorch優(yōu)勢，了解GPU的概念和作用；掌握Pytorch安裝。1.深度學習簡介2.深度學習框架和Pytorch優(yōu)勢3.Pytorch安裝【課外學習內(nèi)容與要求】1.查閱資料，了解Tensorflow，keras等其它深度學習框架；2.查閱資料，了解常見的GPU型號，了解cuda安裝；3.了解torchvision等配套包的安裝。教學周：第10周第3次

教學方式：實驗教學

實驗課時：8學時（兩周完成）實驗名稱：LogisticRegression的PyTorch實現(xiàn)實驗分組：1人/組【實驗教學安排】實驗目標：使用PyTorch庫，實現(xiàn)LogisticRegression算法，并在真實數(shù)據(jù)集上驗證算法的性能實驗內(nèi)容：1.基于PyTorch實現(xiàn)LogisticRegression算法；2.處理UCI收入預測數(shù)據(jù)集，思考如何處理離散特征；3.將數(shù)據(jù)集劃分為訓練、驗證、測試集；4.在訓練集上訓練LogisticRegression模型，在驗證集上進行調(diào)試，最后報告在測試集上的準確率、召回率、F1值。教學周：第11周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Pytorch基礎（一）【課堂教學內(nèi)容與要求】了解Pytorch的基本功能和動態(tài)圖機制；掌握Tensor的概念和基本操作1.Pytorch基本功能2.Tensor概念和基本操作【課外學習內(nèi)容與要求】1.查閱資料，深入了解Pytorch的運作機制，練習Tensor的各種操作和運算；2.查閱資料，探索Pytorch的其它功能；教學周：第11周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Pytorch基礎（二）【課堂教學內(nèi)容與要求】了解Pytorch自動求導機制，掌握Pytorch求導和訓練方法；掌握nn工具箱，初步了解常用的層和非線性激活函數(shù)。1.自動求導機制2.nn工具箱【課外學習內(nèi)容與要求】布置作業(yè)：用Pytorch實現(xiàn)LogisticRegression。教學周：第12周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：Pytorch神經(jīng)網(wǎng)絡【課堂教學內(nèi)容與要求】了解Pytorch對神經(jīng)網(wǎng)絡的搭建方法和流程，掌握使用Pytorch對神經(jīng)網(wǎng)絡的訓練方法和策略1.神經(jīng)網(wǎng)絡概述2.使用Pytorch搭建神經(jīng)網(wǎng)絡3.使用Pytorch訓練神經(jīng)網(wǎng)絡【課外學習內(nèi)容與要求】查閱資料，探索Pytorch的其它功能，學習搭建自己設計的神經(jīng)網(wǎng)絡模型教學周：第12周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：圖像數(shù)據(jù)講解，卷積操作講解【課堂教學內(nèi)容與要求】了解圖像數(shù)據(jù)的數(shù)字化編碼、存儲等概念，介紹PIL圖像庫的使用，介紹卷積神經(jīng)網(wǎng)絡，并講解離散卷積的基本含義和操作方法。1.數(shù)字圖像介紹（灰度圖像，RGB圖像等）2.學習PythonPIL庫3.離散卷積的基本概念，計算方法和輸入輸出等4.Pytorch中卷積層的使用及相關(guān)參數(shù)介紹【課外學習內(nèi)容與要求】1.拓展了解經(jīng)典的圖像處理算法，如sobel，sift，hog等；2.閱讀《深度學習框架PyTorch：入門與實踐》中卷積章節(jié)；3.拓展了解時域連續(xù)卷積同離散卷積的區(qū)別。教學周：第13周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：卷積網(wǎng)絡介紹【課堂教學內(nèi)容與要求】介紹當前圖像卷積網(wǎng)絡的發(fā)展趨勢，主要介紹VGG網(wǎng)絡的網(wǎng)絡架構(gòu)和其變種，并講解卷積網(wǎng)絡中的基本構(gòu)成，簡略概述不同網(wǎng)絡間的差異1.從ImageNetchallenge講起，介紹圖像識別的發(fā)展脈絡2.介紹卷積網(wǎng)絡的基本構(gòu)成，如卷積，池化，批標準化，全連接等3.介紹VGG網(wǎng)絡4.對比不同卷積神經(jīng)網(wǎng)絡的發(fā)展差異【課外學習內(nèi)容與要求】1.閱讀文獻《VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition》；2.通過Imagenet官網(wǎng)了解圖像識別挑戰(zhàn)賽；3.閱讀《DeepLearning》卷積神經(jīng)網(wǎng)絡章節(jié)。教學周：第13周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：卷積網(wǎng)絡配置與訓練（一）【課堂教學內(nèi)容與要求】以圖像識別為實例，講解Pytorch框架對卷積神經(jīng)網(wǎng)絡進行配置、優(yōu)化和訓練流程圖像識別流程介紹（模型搭建，數(shù)據(jù)準備）1.Pytorch相關(guān)API的介紹和使用2.簡述簡單的卷積網(wǎng)絡和VGG網(wǎng)絡的pytorch代碼3.基于Pytorch的數(shù)據(jù)準備，模型搭建【課外學習內(nèi)容與要求】1.參考了解：\h/tutorials/beginner/deep_learning_60min_blitz.html；2.閱讀《DeepLearningwithPyTorch》中卷積網(wǎng)絡章節(jié)；3.自己嘗試利用pytorch搭建自己的卷積網(wǎng)絡。教學周：第14周第1次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：卷積網(wǎng)絡配置與訓練（二）【課堂教學內(nèi)容與要求】以圖像識別為實例，講解Pytorch框架對卷積神經(jīng)網(wǎng)絡進行配置、優(yōu)化和訓練流程圖像識別流程介紹（目標函數(shù)，參數(shù)優(yōu)化）1.數(shù)據(jù)加載與DataLoader2.VGG網(wǎng)絡的搭建3.模型訓練與測試【課外學習內(nèi)容與要求】自己嘗試利用pytorch搭建自己的卷積網(wǎng)絡，并進行訓練。教學周：第14周第2次

教學方式：理論教學

課堂學時：2學時教學內(nèi)容：自然圖像分類Cifar10【課堂教學內(nèi)容與要求】以Cifar-10為例，講解圖像分類項目的pytorch代碼。1.卷積網(wǎng)絡的搭建，分類損失的與優(yōu)化方法的聲明2.卷積網(wǎng)絡優(yōu)化3.卷積模型測試【課外學習內(nèi)容與要求】1.根據(jù)上次課程搭建的簡單模型網(wǎng)絡進行手寫數(shù)字分類實驗；2.復習《DeepLearningwithPyTorch》中卷積網(wǎng)絡章節(jié)；3.在github上閱讀pytorch官方源碼在卷積網(wǎng)絡圖像分類上的實現(xiàn)。教學周：第14周第3次

教學方式：實驗教學實驗課時：12學時（三周完成）實驗名稱：MINIST-fashion圖像分類（大作業(yè)）實驗分組：1人/組【實驗教學安排】實驗目標：基于CNN網(wǎng)絡，實現(xiàn)一個深度圖像分類模型。實驗