PyTorch深度学习教案.pdfVIP

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

一、材料清单

（1）《PyTorch与深度学习实战》教材。

（2）配套PPT。

（3）引导性提问。

（4）探究性问题。

（5）拓展性问题。

二、教学目标与基本要求

1.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。

2.基本要求

（1）了解PyTorch深度学习的通用流程.

（2）掌握使用PyTorch进行数据加载和预处理的方法。

（3）掌握使用PyTorch构建神经网络的方法。

（4）掌握使用PyTorch编译神经网络的方法。

（5）掌握使用PyTorch训练神经网络的方法。

（6）掌握使用PyTorch进行性能评估的方法。

三、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。

（1）深度学习包含哪些步骤？

（2）PyTorch要怎么读取数据？

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。

（1）数据预处理的作用是什么？

（2）编译网络的步骤中需要做什么？

（3）有哪些手段能够评估模型的效果？

3.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。

（1）在训练网络的过程中使用批训练有什么好处？

（2）不同的评估指标分别适用于哪些场景？

四、主要知识点、重点与难点

1.主要知识点

（1）数据加载。

（2）数据预处理。

（3）常用的网络构建方法。

（4）激活函数。

（5）损失函数。

（6）优化器。

（7）迭代次数。

（8）批训练。

（9）评估指标。

2.重点

（1）数据预处理。

（2）常用的网络构建方法。

（3）激活函数。

（4）损失函数。

（5）优化器。

（6）迭代次数。

（7）批训练。

3.难点

（1）常用的网络构建方法。

（2）激活函数。

（3）损失函数。

（4）优化器。

（5）迭代次数。

五、教学过程设计

1.理论教学过程

（1）数据加载。

（2）数据预处理。

（3）常用的网络构建方法。

（4）激活函数。

（5）损失函数。

（6）优化器。

（7）迭代次数。

（8）批训练。

（9）评估指标。

2.实验教学过程

（1）加载及预处理猫狗分类数据。

（2）构建基于CNN的猫狗分类网络。

（3）编译基于CNN的猫狗分类网络。

（4）训练基于CNN的猫狗分类网络。