《深度学习基础及应用》教案 第11课 利用迁移学习进行图像分类.pdfVIP

课题利用迁移学习进行图像分类

课时2课时（90min）

知识技能目标：

（1）了解迁移学习的数学定义和分类

（2）掌握预训练模型的复用策略

（3）了解Keras中常用的预训练模型

教学目标（4）能够根据实际情况构建数据集，并使用Keras加载预训练模型

（5）能够使用Keras预训练模型构建网络模型

素质目标：

（1）提高使用已有知识解决新问题的能力

（2）提高工程实践能力

教学重点：迁移学习的数学定义和分类，预训练模型的复用策略，Keras中常用的预训练模型

教学重难点

教学难点：使用Keras预训练模型构建网络模型

教学方案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，完成课

课前任务前任务，请大家提前预习本节课要讲的知识

【学生】完成课前任务

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】组织学生扫码观看“什么是迁移学习”视频，并提出以下问题：

（1）生活中的迁移学习有哪些？请举例说明。

问题导入

（2）简述迁移学习在卷积神经网络中的应用方法。

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识，介绍迁移学习、预训练模型的相关知识

7.1迁移学习

✈【教师】随机邀请学生回答以下问题：

什么是迁移学习？

✈【学生】聆听、思考、回答

传授新知

✈【教师】总结学生的回答

迁移学习（transferlearning）是一种机器学习技术，它通过从相关领域已学习的任务中转移知识，完

成或改进目标域的任务学习效果。在生活中，有很多迁移学习的例子。例如，学会骑自行车后，再学习

骑电动自行车会相对容易；学会拉小提琴后，再学习弹钢琴要比零基础学得更快。

在深度学习中，大部分数据或任务是相关的，通过迁移学习即可将已经学到的模型参数迁移到新的

1

模型中，从而加快并优化模型的学习效率，不用像大多数神经网络那样从零学习。例如，可以将一个已

有的老虎和大象的图像分类预训练模型，应用于猫和狗图像分类的新任务中。预训练模型是在大量数据

集上进行了训练的，用预训练模型训练过的权重参数初始化新任务模型的权重参数，可以减少训练时间

和泛化误差。

7.1.1迁移学习的数学定义

域D由特征空间X和产生特征空间的概率分布P(X)组成。域分为源域（Ds）和目标域（Dt）。

任务T由目标预测函数f()和标签空间Y组成，通过大量的数据训练，得到一个客观的目标预测函数

f()，使用目标预测函数f()对新样本进行预测。任务分为源任务（Ts）和目标任务（Tt）。

给定源域Ds和源任务Ts、目标域Dt和目标任务Tt，迁移学习的目的是获取源域Ds和源任务Ts中

的知识以帮助提升目标域Dt中的预测函数f()的学习能力，其中，Ds≠Dt或Ts≠