《《深度学习实践教程》配套教案.docx》由会员分享，可在线阅读，更多相关《《深度学习实践教程》配套教案.docx（29页珍藏版）》请在第壹文秘上搜索。
1、深度学习实践教程教案吴微第1章深度学习基础1第2章PyToIvh框架安装3第3章PyTOeh基础5第4堂线性回归和逻辑回归8第5章多层全连接神经网络Il第6章卷积神经网络13第7章循环神经网络16第8章生成式对抗网络18第1章深度学习基础深度学习课程教学方案课程名称：深度学习任课教师：开课单位，教学对象：教学目标：1 .理解人工智能、机器学习与深度学习范本概念及相互关系2 .理解深度学习的三大核心要素3 .理解神经元与深度神经网络4 .掌握神经网络（1，常用的激励函数5 .理解i深度学习强大的原因6 .了解常见的深度学习板架点：掌握神经网络中常用的澈励函数难点：理解神经元与深度神经网络的关系：
2、教学安排:教学环节教学内容教学工具多媒体课堂教学2）超星：上传PpT、练习题.实验教学任务1.l人工智能、机器学习与深度学习1.2 深度学习的三大核心要索1.3 神经元与深度神经网络1.4 神经网络中常用的激励函数1.5 深度学习强大的原因1.6 常见的深度学习框架内容引入人工智能、机零学习与深度学习这三个名诃同学Q是否耳熟能详？他们都是什么样的技术？应用了深度学习技术的AIphaGo为什么能战胜人类用棋冠军？深度学习技术如何模拟了人体的神经系统？目籥有哪些流行的深度学习框架？通过本章的学习同学们都能由己找到答案。授新环节1.1 人工智能、机暑学习与深度学习1. 1.1人工智能简介1.1.2机
3、器学习筒介1. 1.3深度学习简介1.2 深度学习的三大核心要索1.3 利）经元与深度神经网络1.4 卷经网络中常用的激励函数1.5 深度学习强大的原因1.6 常见的深度学习框架详细内容见PPT课程思政1、讲授人工智能发展史和中国在该领域取得的成就，培养学生爱国主义精神和创新意识：2、讲述人工料能的应用场景.了解安全知识,培养学生诚信意识、法治观念、友善价值.内容小结本章从人工智能、机器学习与深度学习这三个耳熟能洋的名词入手,对人工智能、机器学习与深度学习做以筒介。曲后肘深度学习逐步深入讲斛，先介绍神经元与深度神经网络，进而介绍深度学习的三大核心要索，介绍神经网络中常用到的激励困效，并总结出深
4、度学习强大的原因.最后介绍常见的深度学习框架.课后作业本章习跑教学总结从课程思政的角度：深度学习与思政教行紧密结合.从知识体系的角强：本章是全H的结论，是对后续章节的杼入。从能力培养的角度：综合运用数学、计算机的知识，培养全方位高素质人才.效果评估1通过理论课堂教学.进行师生互动,在课程讲授过程中,实时发布测试题目和课堂提问,掌握学习效果：2）通过课程徵信群,了解学生的学习动态并及时发布课程测试题目：3）通过超星平台发布冽试时.评估学生学习效果.并记录到平时成绩之中.第2章PyTorch框架安装深度学习课程教学方案课程名称：深度学习任课教师：开课单位，教学对象：教学目标：1 .了解PyTorC
5、h特点2 .掌握WindowsTPyTorch深度学习环境的配置3 .掌握1.inUX下PyTorch深度学习环境的配置4 .掌握一种PyTorch开发工具重点，掌旌一种Pytorch深度学习环境的配置.掌握一种PyTorCh开发工具.教学安排:教学环节教学内容教学工具多媒体课堂教学超星：上传PPT、练习题、实验教学任务2. 1PyTorch介绍2.2 IlindOUs下PyTorCh深度学习环境的汉徨2.3 1.inUX下PyTOrCh深度学习环境的配置2.4 PyTorch开发工具内容引入要想快速实现复杂深度神经网络的构建，必须使用深度神经网络框架。本章开始，我们科介绍本书使用的深度网络框
6、架PyTorch.通过本余的学习，读者将会了解为什么我们选样PyTorch框架，也将学会将这个框架安装在Windovs和1.inux系统下。而后介绍两个编辑PyTorCh程序的集成开发环境。授新环节2.1 PyTorch介IB2.2 fIndg8下PyTorch深度学习环境的配*2.2.1Python环境搭建2. 2.2Windows上安装PyTorch2.31.inuX下PyTorCh深度学习环境的配量2.3.1安装YNVareWorkstationPro2.3.2配附.Pyihon3.5环境2.3.31.inux上安装PyTorch2.4PyTOreh开发工具2.4.1ID1.E2.1.2
7、PyChani详细内容见PPT课程思政从1.inUX操作系统的兴起介绍，独立知识产权的通要性。内容小结通过本章的学习，同学们已经掌握了如何在Windows系统和1.inux系统上以pip方式安装PyTorch,井且介绍了编写PyTOrCh程序常用的两个集成开发环境：ID1.E和PyChaim-课后作业本章习跑教学总结 1）从课程思政的角度：深度学习与思政教育紧密结合. 2）从知识体系的角强：本章是全甘实脸的基础，一定要在本章完成环境架设。从能力培养的角度：除合运用数学、计算机的知识，培养全方位高素质人才.效果评估1通过理论课堂教学.进行师生互动，在课程讲授过程中,实时发布测试题目和谦电提问,掌
8、握学习效果： 2）通过课程徵信群，了解学生的学习动态并及时发布深程测状SS日： 3）通过超星平台发布测试电,评估学生学习效果，并记录到平时成绩之中. 4）本就可安措上机实验学习展开实践教学.第3章PyTOrCh基础深度学习课程教学方案课程名称：深度学习任课教师：开课单位，敕学对象：教学目标：1 .理解张端2 .掌握Tensor的创建3 .掌握Tensor的调整形状操作4 .掌握TenSor的加、减、乘、除、取绝对值操作5 .宓握TenSor的比较操作6 .常撤Tensor的数理统计操作7 .掌攫Tensor与Nunpy的互相转换操作8 .掌握TenSor的降维和增维操作9 .掌握TenSor的
9、裁剪操作10 .掌握TCnSor的索引操作11 .掌握CUdaO函数重点：TenSOr的创建、询整形状、加减乘除、取绝对值操作、比较、数理统计操作、与加mpy的互相转换、降维和增维、战典、索引.TenSor的GPIJ迁移教学安排:教学环节教学内容教学工具多媒体课堂教学2）超星：上传PPT、练习也、实验教学任务3.1 张量是什么3.2 Tcnsor的创建3.3 Tnsor的冏整形状操作34Tnsor的加、减、乘、除、取绝对侑操作3.5 Tcnsor的比较操作3.6 Tcnsor的数理统计操作3.7 TensorNumpy的互相转换操作3.8 Tensor的降维和增维操作3.9 Iensor的裁剪
10、操作3.10 Tensor的索引操作3.11 把lnsor移到GPU上去内容引入在开始用PyTorch实现深度神经冏络之前，我们需要掌握了解PyTorch的操作对做是什么,它如何定义,赋值、可以做哪些运算操作、如何自动求导、以及数据处理方法.授新环节3.1 张量是什么3.2 Tensor的创建3.3 Tcnsor的员整形状掾作34Tensor的加、流、果、除、取绝对值操作3.5 Tcnsor的比较操作3.6 Tensor的数理及计操作3.7 Tensor与NumPy的互相转换掾作3.8 Tcnsor的降罐和地*掾作3.9 Tensor的裁剪Ik作3.10 Tensor的索引掾作3.11 把Te
11、nsor移到GPU上去详细内容见PPT课程思政在学习编程知识时了解编程规范的Hi要性，做人也需遵守规范，恪守法度.内容小结本聿介绍了张山是什么，它如何创建、调整形状、如何进行加减乘除、取绝对值操作、如何进行比较、如何进行数理统计操作、如何与NUmPy的互相转换、如何降雉和增维、裁剪、索引，最后介绍了如何把TenSor移到GpU上去。课后作业本章习时教学总结从课程思政的角度：深度学习与思政教育紧密结合. 2）从知识体系的角度：本章是全书的编程的基础，必须熟练掌握本章函数.多做练习，多上机.从Ife力培养的角度：媒合运用教学、计算机的知识，培养全方位高素旗人才。U通过理论课堂教学,进行师生互动，在
12、课程讲授过程中,实时发布测试Bg目和课堂提问，掌握学习效果；效果评估2）通过课程做信群,了解学生的学习动态并及时发布课程测试跑目：通过超星平台发布测试时，评估学生学习效果，并记录到平时成绩之中。本章可安排上机实骆学习展开实践教学。第4章线性回归和观辑回归深度学习课程教学方案课程名称：深度学习任课教师：开课单位，敕学对象：教学目标：1 .理解回归2 .理解线性回归模型3 .掌握一元线性回归的实现4 .理解梯度及梯度下降5 .了解多元ft性回归实现6 .掌握逻轼回归的概念和代码实现点：理解线性回归模型，掌握元线性回归的实现，逻班回归的概念和代码实现.难点：梯度下降法和损失函数，教学安排:教学环节教
13、学内容教学工具多媒体课堂教学2）超星：上传PPT、练习题、实验教学任务4.1 回归4.2 线性网归模型4.3 一元线性回归的实现4.4 梯度及梯衣下降-1.5多元线性I可归实现4.6遗辑目归内容引入本章困绕两个问题展开：一、建立深度学习的线性回归模型，实现简单预利。二、建立深度学习的逻辑回归模型,实现简单分类.线性回归模型分为一元践性回归和多元践性回归.在一元战性回归模型中先介绍什么是回回、什么是线性回归、解决线性回归的两个主要方法：最小二乘法和梯度下降法.最后介绍逻辑回归模型.学习线性【可归的建模思想能够有助于理解复杂的深度学习模型.授新环节4.1 回归4.2 线性回归模型4.3 一元线性回
14、归的实现4.4 梯度及梯度下降4.4.1梯度4.4.2楮眼下降法4.5 多元线性回归实现4.6 逆,回归4.6.1什么是逻辑回归4.6.2逻辑回归中的损失函数4.6.3逻辑I可归的代码实现详细内容见PpT课程思政引申迭代法的内涵，强化工匠精神内容小结践性回归模型处理的是预测问题，逻辑回归模型处理的是分类同SS,那么回归问鹿和分类何超的区别在哪里呢？分类问题带电把数据集分到某一类.所以这是一个需放的问2.而税性I可归是一个连续的向Sfi,比如曲浅的拟合，我们可以拟合任意的函数结果，这个结果是一个连续的值。分类问跑和回归问遨是深度学习的第一步我到任何一个何包,我们都需要先确定其到底是分类还是回归，然后再进行算法设计。课后作业本章习时教学总结从课程思政的角度：深僮学习与思政教育紧密结合.从知识体系的角度：本章是理解深度学习的基础,通过实验理解是最好的方法. 3）从能力培养的角度：涂合运用数学、计豫机的知识，培养全方位高素而人才。1通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课
