计算与人工智能通识 教案 第13讲 神经网络与深度学习（三）.pdf

计算与人工智能通识—教案

TheTeachingPlanforIntroductiontoComputingAI

线上：3学时

教学内容第9章神经网络与深度学习学时

线下：3学时

线上课外学习网络自学

（课前）知识点：前向传播、反向传播、卷积、池化、步幅

第13讲深度网络学习方法、基于DNN图像识别

1.神经网络与GPU

研讨内容

2.图像卷积

1.理解深度神经网络（DNN）的多层神经网络结构。

学习目标2.了解图像卷积的构建

3.了解图像识别模型训练方法

1.深度神经网络（DNN）的多层神经网络结构

教学重点2.图像卷积的构建

3.卷积层和卷积核

线下课堂教学

（课中）教学难点1.图像卷积的构建

2.卷积层和卷积核

教学手段和网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和

方法实验指导，讨论式教学等

讨论：

课堂练习查阅深度神经网络AlexNet，了解AlexNet的模型设计、激

活函数、容量控制和预处理

实验13：简单卷积神经网络-手写数字识别（1学时）

上机实践熟悉PyTorch环境，了解基于深度学习的手写数字识别技术，掌

握卷积神经网络框架的部署和使用方法。

拓展提升与

1.了解ImageNet图像识别挑战赛

作业

2.AlexNet在ImageNet的战绩如何

（课后）

11

第页共页