深度学习及其应用-核心知识点教案卷积神经网络的优化.doc

卷积神经网络的优化

学情分析

本课程面向计算机科学与技术专业大三学生，学生已掌握Python编程基础、线性代数及前馈神经网络原理。

通过超星泛雅平台前测数据显示，85%学生能正确写出卷积运算公式$y=W*x+b$，但对反向传播中的梯度计算存在普遍困惑。

实践作业中，约60%学生出现过卷积核尺寸选择不当导致特征丢失的情况。

教学目标

【知识目标】

1.掌握卷积核剪枝、量化压缩的数学原理

2.理解批量归一化(BatchNorm)对梯度传播的改善作用

【能力目标】

1.能使用超星泛雅平台的JupyterLab实现通道剪枝

2.会通过平台可视化工具分析特征图冗余度

【素养目标】

培养模型