湘教版 信息技术 八年级下册 2.2 卷积神经网络及其应用 课件.pptxVIP

;主要内容;

学习常见卷积神经网络的结构和训练过程，为“昆虫的识别”作知识储备。;（1）方法引导：遵循“概念→原理→应用→......”认知规律

（2）主要内容：

①什么是卷积神经网络？——卷积神经网络的概念

②卷积神经网络的结构？——卷积神经网络的结构

③卷积神经网络的训练？——卷积神经网络的使用;（1）自主阅读：以教材P47-50为主，网络知识作补充。

（2）知识梳理：

①数字图像是由一个个构成的。图像的像素点的值是0或1，图像的像素点的范围则是0～255，图像用RGB三原色混合得到。

②使用全连接神经网络处理图像，参数量会很多，因此科学家参考动物视觉感受野，设计出了“”。

③卷积神经网络中有两种特殊的网络，分别为和。;（1）自主阅读：以教材P50-51为主，网络知识作补充。

（2）知识梳理：

①LeNet-5模型输入的是32×32像素的图像。

②LeNet网络中有、、等。

③使用BaseNN搭建神经网络时，Conv2D表示的是二维，MaxPool表示的是最大，Linear表示的是。;（1）自主阅读：以教材P51-54为主，网络知识作补充。

（2）知识梳理：

①用训练工具EasyTrain训练图像分类模型，可以选择任务为“”，选择模型为“”模型，完成“数据集选择”，然后开始设置参数，分类数量要和选择的数据集保持，最后生成训练代码。

②训练过程中可以看到损失函数值的变化和识别的值的变化。

③训练轮数、学习率等被称为模型训练的。;

（1）学会分析：以“昆虫的识别”为例，如何实现图像分类任务的模型选择、模型结构搭建、模型训练设置。

辅助分析支架：要实现昆虫的图片识别等功能，需要用到卷积神经网络，模型可以选择LeNet模型或其他更复杂的模型，训练时要设置好分类数量等超参数。;

（2）为什么卷积神经网络比全连接神经网络在图像识别任务中更优秀？

辅助分析支架：通过参数量计算对比，输入层的参数差异明显。卷积层参考感受野设计，可以感受更大??域的信息。;

（3）学会求证：用实验结果去支持你解释的观点！

教师引领学生求证：用训练工具完成一次图像分类任务的模型训练，体会模型准确率提升的过程。

①求证技能：用XEdu中的EasyDL系列工具中的EasyTrain。

②求证活动：用EasyTrain一步步选择和设置，完成模型训练。

;

（4）对学科方法、工具或作品进行评价反思

训练出来的模型对完成“昆虫的识别”项目有什么作用？

;1.卷积神经网络中，卷积层的主要作用是（）

A.减少数据运算量

B.提取图像特征

C.进行图像分类

D.连接不同层的神经元

;2.LeNet模型中，经过一层卷积后，图像的特征图数量会______（增加/减少），尺寸会______（增大/减小）。

;请同学按照下列提示进行总结回顾：

1.学到了哪些知识与技能？

2.提升了哪些方面的能力？

3.生成了怎样的观点？;1.项目实施作业

请各小组整理并提交项目探究的阶段成果，包括：

（1）项目方案与小组分工表。

（2）项目技术方案和使用说明。

（3）训练的模型文件。

2.课后拓展作业（教材P54的“拓展”部分）

;