TensorFlow深度學(xué)習(xí)教學(xué)大綱

《TensorFlow2深度學(xué)習(xí)實(shí)戰(zhàn)》教學(xué)大綱課程名稱:TensorFlow2深度學(xué)習(xí)實(shí)戰(zhàn)課程類別:必修適用專業(yè):人工智能類有關(guān)專業(yè)總學(xué)時(shí):64學(xué)時(shí)（其中理論36學(xué)時(shí),實(shí)驗(yàn)28學(xué)時(shí)）總學(xué)分:4.0學(xué)分課程地性質(zhì)大數(shù)據(jù)時(shí)代,各類數(shù)據(jù)呈爆發(fā)式增長(zhǎng),尤其是圖片,語(yǔ)音,文本等高維,非結(jié)構(gòu)化,但蘊(yùn)含豐富價(jià)值地?cái)?shù)據(jù)越來(lái)越多。面對(duì)紛繁復(fù)雜地?cái)?shù)據(jù),人們需要新工具與新方法,以快速?gòu)闹刑崛〕鲇袃r(jià)值地信息,從而為企業(yè)經(jīng)營(yíng)與科技應(yīng)用提供積極幫助。深度學(xué)習(xí)作為一門(mén)前沿技術(shù),廣泛應(yīng)用于計(jì)算機(jī)視覺(jué),語(yǔ)音識(shí)別,自然語(yǔ)言處理等領(lǐng)域。同時(shí),作為"十四五規(guī)劃"中地重點(diǎn)新興產(chǎn)業(yè),人工智能地一個(gè)重要技術(shù)分支便是深度學(xué)習(xí),故深度學(xué)習(xí)技術(shù)地商業(yè)價(jià)值已極其明顯,而有實(shí)踐經(jīng)驗(yàn)地深度學(xué)習(xí)人才更是各企業(yè)競(jìng)相爭(zhēng)奪地對(duì)象。為了滿足日益增長(zhǎng)地深度學(xué)習(xí)人才需求,特開(kāi)設(shè)TensorFlow2深度學(xué)習(xí)實(shí)戰(zhàn)課程。課程地任務(wù)通過(guò)本課程地學(xué)習(xí),使學(xué)生學(xué)會(huì)使用Python與TensorFlow2框架實(shí)現(xiàn)深度學(xué)習(xí)全流程,并詳細(xì)拆解圖像識(shí)別,語(yǔ)音識(shí)別,圖像生成三個(gè)實(shí)際案例,將理論與實(shí)踐相結(jié)合,為將來(lái)從事深度學(xué)習(xí)有關(guān)地研究,工作奠定基礎(chǔ)。課程思政目的落實(shí)立德樹(shù)人地根本任務(wù),堅(jiān)持馬克思主義地指導(dǎo)地位,將新時(shí)代中國(guó)特色社會(huì)主義思想揉入教學(xué)。例如,第3章動(dòng)漫人臉生成實(shí)例中,引導(dǎo)學(xué)生提升法律意識(shí),遵守我國(guó)有關(guān)地法律法規(guī),在保護(hù)自身地著作權(quán)與知識(shí)產(chǎn)權(quán)地同時(shí)也避免侵犯它人合法權(quán)益;第4章基于深度學(xué)習(xí)技術(shù)對(duì)門(mén)牌地識(shí)別,促使學(xué)生了解科學(xué)技術(shù)地重要性,并提高對(duì)我國(guó)地技術(shù)運(yùn)用能力地自信心;第5章語(yǔ)音識(shí)別案例中,培養(yǎng)學(xué)生地職業(yè)道德素養(yǎng),不利用職業(yè)地便利非法獲取它人隱私。課程學(xué)時(shí)分配序號(hào)學(xué)習(xí)內(nèi)容理論學(xué)時(shí)實(shí)驗(yàn)學(xué)時(shí)其它1第1章深度學(xué)習(xí)概述202第2章TensorFlow2快速入門(mén)663第3章深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)864第4章基于N地門(mén)牌號(hào)識(shí)別645第5章基于LSTM地語(yǔ)音識(shí)別646第6章基于CycleGAN地圖像風(fēng)格轉(zhuǎn)換647第7章基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)語(yǔ)音識(shí)別24總計(jì)3628學(xué)習(xí)內(nèi)容及學(xué)時(shí)安排理論教學(xué)序號(hào)章節(jié)名稱主要內(nèi)容教學(xué)目的學(xué)時(shí)1深度學(xué)習(xí)概述了解深度學(xué)習(xí)地基本定義了解深度學(xué)習(xí)地常見(jiàn)應(yīng)用場(chǎng)景了解常見(jiàn)地深度學(xué)習(xí)應(yīng)用技術(shù)了解常見(jiàn)地深度學(xué)習(xí)框架熟悉深度學(xué)習(xí)框架TensorFlow地生態(tài)熟悉深度學(xué)習(xí)框架TensorFlow地特性熟悉深度學(xué)習(xí)框架TensorFlow地改進(jìn)過(guò)程了解深度學(xué)習(xí)地概念與常見(jiàn)應(yīng)用場(chǎng)景了解常見(jiàn)地深度學(xué)習(xí)應(yīng)用技術(shù)了解常見(jiàn)地深度學(xué)習(xí)框架熟悉深度學(xué)習(xí)框架TensorFlow地生態(tài)與特性熟悉深度學(xué)習(xí)框架TensorFlow地改進(jìn)過(guò)程22TensorFlow2快速入門(mén)搭建TensorFlowCPU環(huán)境搭建TensorFlowGPU環(huán)境了解TensorFlow2地基本數(shù)據(jù)類型使用TensorFlow2訓(xùn)練一個(gè)線性模型掌握TensorFlow2深度學(xué)習(xí)地通用流程掌握TensorFlow2環(huán)境地搭建方法。了解TensorFlow2地基本數(shù)據(jù)類型。熟悉利用TensorFlow2訓(xùn)練線性模型地過(guò)程。掌握TensorFlow2深度學(xué)習(xí)地通用流程。63深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)熟悉卷積神經(jīng)網(wǎng)絡(luò)中地核心網(wǎng)絡(luò)層使用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像分類了解常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)熟悉循環(huán)神經(jīng)網(wǎng)絡(luò)中地核心網(wǎng)絡(luò)層使用循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)文本分類了解常用生成神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)使用生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)漫人臉生成熟悉深度學(xué)習(xí)中地各種網(wǎng)絡(luò)地核心網(wǎng)絡(luò)層了解常見(jiàn)地深度學(xué)習(xí)網(wǎng)絡(luò)算法及其結(jié)構(gòu)掌握使用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像分類地方法掌握使用循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)文本分類地方法掌握使用生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)漫人臉生成地方法84基于N地門(mén)牌號(hào)識(shí)別了解門(mén)牌識(shí)別地背景熟悉門(mén)牌識(shí)別地?cái)?shù)據(jù)了解門(mén)牌識(shí)別地目的了解門(mén)牌識(shí)別地項(xiàng)目結(jié)構(gòu)熟悉門(mén)牌識(shí)別地步驟與流程獲取目的與背景數(shù)據(jù)基于HOG特征提取與SVM分類器進(jìn)行目的檢測(cè)讀取訓(xùn)練集與測(cè)試集構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)并保存模型評(píng)估模型性能應(yīng)用模型識(shí)別門(mén)牌數(shù)字了解門(mén)牌識(shí)別地背景與目的。熟悉門(mén)牌識(shí)別地步驟與流程。掌握門(mén)牌地目的數(shù)據(jù)特征提取與目的數(shù)字地檢測(cè)方法。掌握構(gòu)建N網(wǎng)絡(luò)地方法,用于生成門(mén)牌識(shí)別模型。掌握訓(xùn)練網(wǎng)絡(luò)與保存模型地方法。掌握評(píng)價(jià)模型性能地方法。65基于LSTM地語(yǔ)音識(shí)別了解語(yǔ)音識(shí)別地背景熟悉語(yǔ)音識(shí)別地?cái)?shù)據(jù)了解語(yǔ)音識(shí)別地目的了解語(yǔ)音識(shí)別地項(xiàng)目結(jié)構(gòu)熟悉語(yǔ)音識(shí)別地步驟與流程提取MFCC特征與標(biāo)準(zhǔn)化數(shù)據(jù)設(shè)置網(wǎng)絡(luò)超參數(shù)并構(gòu)建網(wǎng)絡(luò)編譯網(wǎng)絡(luò)訓(xùn)練并保存模型模型調(diào)參泛化測(cè)試結(jié)果分析了解語(yǔ)音識(shí)別地背景與目的。熟悉語(yǔ)音識(shí)別地流程。掌握語(yǔ)音數(shù)據(jù)特征提取與標(biāo)準(zhǔn)化地方法。掌握構(gòu)建語(yǔ)音識(shí)別網(wǎng)絡(luò)地方法。掌握訓(xùn)練網(wǎng)絡(luò)地方法。掌握評(píng)價(jià)模型性能地方法。66基于CycleGAN地圖像風(fēng)格轉(zhuǎn)換了解圖像風(fēng)格轉(zhuǎn)換地背景了解圖像風(fēng)格轉(zhuǎn)換地目的了解圖像風(fēng)格轉(zhuǎn)換地項(xiàng)目結(jié)構(gòu)熟悉圖像風(fēng)格轉(zhuǎn)換地步驟與流程對(duì)圖像進(jìn)行預(yù)處理建立迭代器構(gòu)建網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)分析結(jié)果了解圖像風(fēng)格轉(zhuǎn)換地背景與目的。熟悉圖像風(fēng)格轉(zhuǎn)換地步驟與流程。掌握常用地網(wǎng)絡(luò)構(gòu)建方法,用于構(gòu)建CycleGAN網(wǎng)絡(luò)。掌握常用地網(wǎng)絡(luò)訓(xùn)練方法,如定義損失函數(shù),定義優(yōu)化器與定義訓(xùn)練函數(shù)等。67基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)語(yǔ)音識(shí)別了解TipDM大數(shù)據(jù)挖掘建模平臺(tái)地有關(guān)概念了解TipDM大數(shù)據(jù)挖掘建模平臺(tái)地主要功能熟悉使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)配置語(yǔ)音識(shí)別任務(wù)地總體流程使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù)使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行數(shù)據(jù)預(yù)處理,包括文件解壓,數(shù)據(jù)集劃分,特征提取,數(shù)據(jù)標(biāo)準(zhǔn)化等操作使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行訓(xùn)練模型,調(diào)用模型進(jìn)行分類等操作了解TipDM大數(shù)據(jù)挖掘建模平臺(tái)地有關(guān)概念了解TipDM大數(shù)據(jù)挖掘建模平臺(tái)地主要功能熟悉使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)配置語(yǔ)音識(shí)別任務(wù)地總體流程掌握使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù)地方法掌握使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行數(shù)據(jù)預(yù)處理地有關(guān)操作掌握使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行訓(xùn)練模型,調(diào)用模型進(jìn)行分類等操作2學(xué)時(shí)合計(jì)36實(shí)驗(yàn)教學(xué)序號(hào)實(shí)驗(yàn)項(xiàng)目名稱實(shí)驗(yàn)要求學(xué)時(shí)1TensorFlow2環(huán)境搭建在Windows系統(tǒng)上安裝CUDA安裝cuDNN庫(kù)安裝TensorFlowGPU版本驗(yàn)證TensorFlowGPU是否安裝成功22構(gòu)建并訓(xùn)練一個(gè)線性模型導(dǎo)入csv數(shù)據(jù),并劃分成測(cè)試集與訓(xùn)練集構(gòu)建Sequential網(wǎng)絡(luò)構(gòu)建損失函數(shù)訓(xùn)練網(wǎng)絡(luò)并預(yù)測(cè)計(jì)算均方誤差43基于卷積神經(jīng)網(wǎng)絡(luò)地圖像分類加載MNIST手寫(xiě)數(shù)據(jù)集構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)查看模型地分類準(zhǔn)確率24基于循環(huán)神經(jīng)網(wǎng)絡(luò)地文本分類加載新聞?wù)狪MDB數(shù)據(jù)集構(gòu)建詞向量查看數(shù)據(jù)集詞與id地映射關(guān)系構(gòu)造id與word地映射表截?cái)嗖⑻畛渚渥訕?gòu)建SimpleRNN網(wǎng)絡(luò)訓(xùn)練SimpleRNN網(wǎng)絡(luò)測(cè)試SimpleRNN網(wǎng)絡(luò)地精度25基于生成對(duì)抗網(wǎng)絡(luò)地動(dòng)漫人臉生成導(dǎo)入數(shù)據(jù)集構(gòu)建DCGAN地生成器構(gòu)建DCGAN地判別器編譯網(wǎng)絡(luò)訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)26基于N地門(mén)牌號(hào)識(shí)別獲取目的數(shù)據(jù)與背景數(shù)據(jù)提取HOG特征使用SVM進(jìn)行特征識(shí)別讀取訓(xùn)練集與測(cè)試集構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)并保存模型評(píng)估模型性能使用模型識(shí)別門(mén)牌數(shù)字47基于LSTM地語(yǔ)音識(shí)別劃分?jǐn)?shù)據(jù)集提取MFCC特征標(biāo)準(zhǔn)化數(shù)據(jù)設(shè)置網(wǎng)絡(luò)超參數(shù)構(gòu)建網(wǎng)絡(luò)層編譯網(wǎng)絡(luò)訓(xùn)練以及保存模型模型調(diào)參泛化測(cè)試結(jié)果分析48基于CycleGAN地圖像風(fēng)格轉(zhuǎn)換讀取數(shù)據(jù)隨機(jī)抖動(dòng)歸一化處理批處理并打亂建立迭代器構(gòu)建網(wǎng)絡(luò)定義損失函數(shù),優(yōu)化器定義圖像生成函數(shù),訓(xùn)練函數(shù)訓(xùn)練網(wǎng)絡(luò)結(jié)果分析49基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)語(yǔ)音識(shí)別配置數(shù)據(jù)源數(shù)據(jù)預(yù)處理訓(xùn)練網(wǎng)絡(luò)模型評(píng)價(jià)4學(xué)時(shí)合計(jì)28考核方式突出學(xué)生解決實(shí)際問(wèn)題地能力,加強(qiáng)過(guò)程性考核。課程考核地成績(jī)構(gòu)成=平時(shí)作業(yè)（10%）+