TensorFlow2深度学习实战教案全套第17章.docx

TensorFlow2深度学习实战教案全套第17章.docx

《TensorFlow2深度学习实战教案全套第17章.docx》由会员分享，可在线阅读，更多相关《TensorFlow2深度学习实战教案全套第17章.docx（30页珍藏版）》请在冰豆网上搜索。

TensorFlow2深度学习实战教案全套第17章

TensorFlow2深度学习实战-教案

第1章深度学习概述

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

2学时

一、材料清单

（1）《TensorFlow2深度学习实战》教材。

（2）配套PPT。

（3）引导性提问。

（4）探究性问题。

（5）拓展性问题。

二、教学目标与基本要求

1.教学目标

本章主要介绍深度学习的基本定义以及其应用领域，包括物体检测、视觉定位、物体测量、物体分拣、图像分割、图像的生成等应用领域；然后分别介绍深度学习与计算机视觉、自然语言处理、语言识别、机器学习和人工智能间的关系；最后介绍常用的深度学习基本框架以及TensorFlow的生态和特征。

2.素质目标

（1）培养学生自主学习意识，将理论联系实际并落到实处。

（2）培养学生尊重知识产权，合理的运用他人劳动成果。

（3）培养学生的探索精神，不断主动学习新的知识内容。

3.基本要求

（1）了解深度学习的基本定义。

（2）了解深度学习的常见应用场景。

（3）了解常见的深度学习应用技术。

（4）了解常见的深度学习框架。

（5）熟悉深度学习框架TensorFlow的生态。

（6）熟悉深度学习框架TensorFlow的特性。

（7）熟悉深度学习框架TensorFlow的改进过程。

三、问题

4.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）深度学习能够做什么？

（2）现实生活中存在哪些地方应用了深度学习技术？

（3）该如何进行数据分析？

（4）TenserFlow框架有哪些优势？

5.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（1）深度学习技术是怎么影响计算机视觉领域的？

（2）深度学习与人工智能的关系是什么？

（3）TenserFlow具有什么样的生态？

6.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（1）深度学习是不是万能的？

（2）TenserFlow2做出了哪些改进？

四、主要知识点、重点与难点

7.主要知识点

（1）深度学习的概念和常见应用场景。

（2）常见的深度学习应用技术。

（3）常见的深度学习框架。

（4）深度学习框架TensorFlow的生态、特性和改进过程。

8.重点

（1）深度学习的概念和常见应用场景。

（2）深度学习框架TensorFlow的生态、特性和改进过程。

9.难点

深度学习框架TensorFlow的生态、特性和改进过程。

五、教学过程设计

10.理论教学过程

（1）深度学习的基本定义。

（2）深度学习的常见应用场景。

（3）常见的深度学习应用技术。

（4）常见的深度学习框架。

（5）深度学习框架TensorFlow的生态。

（6）深度学习框架TensorFlow的特性。

（7）深度学习框架TensorFlow的改进过程。

11.实验教学过程

无

六、教材与参考资料

12.教材

崔炜，张良均．TensorFlow2深度学习实战[M]．北京：

人民邮电出版社．2021．

13.参考资料

[1]陈屹．神经网络与深度学习实战：

Python+Keras+TensorFlow[M]，北京:

机械工业出版社，2019.8．

[2]彭小红，张良均．深度学习与计算机视觉实战[M]．北京：

人民邮电出版社．2022．

第2章TensorFlow2快速入门

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

12学时

七、材料清单

（6）《TensorFlow2深度学习实战》教材。

（7）配套PPT。

（8）引导性提问。

（9）探究性问题。

（10）拓展性问题。

八、教学目标与基本要求

14.教学目标

本章主要介绍TensorFlow2的环境搭建方法和深度学习通用流程，其中环境搭建方法包括CPU环境搭建和GPU环境搭建；通过训练一个线性模型来介绍TensorFlow的工作流程，并介绍TensorFlow2的基本数据类型；然后介绍TensorFlow2深度学习的通用流程，包括数据加载、数据预处理、构建网络、编译网络、训练网络、性能评价以及模型的保存与调用。

15.素质目标

（4）培养学生的实践能力，将知识得以进行融会贯通。

（5）增强学生的思维能力，建立良好的思维构造空间。

16.基本要求

（8）掌握TensorFlow2环境的搭建方法。

（9）了解TensorFlow2的基本数据类型。

（10）熟悉利用TensorFlow2训练线性模型的过程。

（11）掌握TensorFlow2深度学习的通用流程。

九、问题

17.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（5）TenserFlow2要如何安装？

（6）TensorFlow2的基本数据类型有哪些？

（7）要实现深度学习包含哪些步骤？

18.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（4）TenserFlow2的GPU版和CPU版有什么区别？

（5）数据预处理的作用是什么？

（6）编译网络的步骤中需要做什么？

19.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（3）在训练网络的过程中使用批训练有什么好处？

（4）不同的评估指标分别适用于哪些场景？

十、主要知识点、重点与难点

20.主要知识点

（5）TensorFlow2环境的搭建方法。

（6）TensorFlow2的基本数据类型。

（7）利用TensorFlow2训练线性模型的过程。

（8）TensorFlow2深度学习的通用流程。

21.重点

（3）TensorFlow2环境的搭建方法。

（4）TensorFlow2的基本数据类型。

（5）TensorFlow2深度学习的通用流程。

22.难点

（1）TensorFlow2的基本数据类型。

（2）TensorFlow2深度学习的通用流程。

十一、教学过程设计

23.理论教学过程

（8）TensorFlowCPU环境的搭建方法

（9）TensorFlowGPU环境的搭建方法

（10）TensorFlow2的基本数据类型

（11）使用TensorFlow2训练一个线性模型的方法

（12）TensorFlow2深度学习的通用流程

24.实验教学过程

TensorFlow2环境搭建

（1）在Windows系统上安装CUDA

（2）安装cuDNN库

（3）安装TensorFlowGPU版本

（4）验证TensorFlowGPU是否安装成功

构建并训练一个线性模型

（1）导入csv数据，并划分成测试集和训练集

（2）构建Sequential网络

（3）构建损失函数

（4）训练网络并预测

（5）计算均方误差

十二、教材与参考资料

25.教材

崔炜，张良均．TensorFlow2深度学习实战[M]．北京：

人民邮电出版社．2021．

26.参考资料

[1]陈屹．神经网络与深度学习实战：

Python+Keras+TensorFlow[M]，北京:

机械工业出版社，2019.8．

[2]彭小红，张良均．深度学习与计算机视觉实战[M]．北京：

人民邮电出版社．2022．

第3章深度神经网络原理及实现

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

14学时

十三、材料清单

（11）《TensorFlow2深度学习实战》教材。

（12）配套PPT。

（13）引导性提问。

（14）探究性问题。

（15）拓展性问题。

十四、教学目标与基本要求

27.教学目标

本章主要介绍常见深度神经网络的原理与对应的Tensorflow中的实现方法，包括卷积神经网络、循环神经网络和生成对抗网络。

分别介绍各类深度学习网络的常用网络层，并对各类深度学习网络的常见变种进行介绍，最后分别通过一个实例演示使用Tensorflow搭建不同类型的深度网络的方法。

28.素质目标

（6）激发学生的想象力和创新意识，拥有开阔的眼光和宽广的胸怀。

（7）培养学生的未雨绸缪意识，努力学习跟上时代的发展。

29.基本要求

（12）熟悉深度学习中的各种网络的核心网络层。

（13）了解常见的深度学习网络算法及其结构。

（14）掌握使用卷积神经网络实现图像分类的方法。

（15）掌握使用循环神经网络实现文本分类的方法。

（16）掌握使用生成对抗网络实现动漫人脸生成的方法。

十五、问题

30.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（8）深度学习神经网络按网络结构可以分为几种类型？

（9）卷积神经网络的卷积是什么？

（10）有哪些常见的卷积神经网络？

31.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（7）循环神经网络和卷积神经网络的区别在哪？

（8）Embedding层的作用是什么？

（9）注意力模型通常用于做什么？

32.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（5）循环神经网络更适合于解决哪些问题？

（6）生成对抗网络适用于哪些场景？

十六、主要知识点、重点与难点

33.主要知识点

（9）卷积神经网络中的核心网络层。

（10）使用卷积神经网络实现图像分类的方法。

（11）常用卷积神经网络算法及其结构。

（12）循环神经网络中的核心网络层。

（13）使用循环神经网络实现文本分类的方法。

（14）常用生成神经网络算法及其结构。

（15）使用生成对抗网络实现动漫人脸生成的方法。

34.重点

（6）卷积神经网络中的核心网络层。

（7）常用卷积神经网络算法及其结构。

（8）循环神经网络中的核心网络层。

（9）常用生成神经网络算法及其结构。

35.难点

（3）卷积神经网络中的核心网络层。

（4）循环神经网络中的核心网络层。

十七、教学过程设计

36.理论教学过程

（13）卷积神经网络中的核心网络层

（14）使用卷积神经网络实现图像分类

（15）常用卷积神经网络算法及其结构

（16）循环神经网络中的核心网络层

（17）使用循环神经网络实现文本分类

（18）常用生成神经网络算法及其结构

（19）使用生成对抗网络实现动漫人脸生成

37.实验教学过程

基于卷积神经网络的图像分类

（6）加载MNIST手写数据集

（7）构建卷积神经网络

（8）训练卷积神经网络

（9）查看模型的分类准确率

基于循环神经网络的文本分类

（1）加载新闻摘要IMDB数据集

（2）构建词向量

（3）查看数据集词和id的映射关系

（4）构造id和word的映射表

（5）截断并填充句子

（6）构建SimpleRNN网络

（7）训练SimpleRNN网络

（8）测试SimpleRNN网络的精度

基于生成对抗网络的动漫人脸生成

（1）导入数据集

（2）构建DCGAN的生成器

（3）构建DCGAN的判别器

（4）编译网络

（5）训练生成对抗网络

十八、教材与参考资料

38.教材

崔炜，张良均．TensorFlow2深度学习实战[M]．北京：

人民邮电出版社．2021．

39.参考资料

[1]陈屹．神经网络与深度学习实战：

Python+Keras+TensorFlow[M]，北京:

机械工业出版社，2019.8．

[2]彭小红，张良均．深度学习与计算机视觉实战[M]．北京：

人民邮电出版社．2022．

第4章基于CNN的门牌号识别

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

10学时

十九、材料清单

（16）《TensorFlow2深度学习实战》教材。

（17）配套PPT。

（18）引导性提问。

（19）探究性问题。

（20）拓展性问题。

二十、教学目标与基本要求

40.教学目标

本章使用卷积神经网络实现对街景门牌数字进行识别。

先提取数据集中的目标数据和背景数据；然后重点介绍实现基于HOG特征提取和SVM分类器的目标检测的过程，以实现街景图像中目标数字的提取；之后通过卷积神经网络实现数字的识别；通过调整网络的参数提高模型的识别精度，并保存训练完毕的模型方便下次调用；最后对模型的识别门牌数字的能力进行测试。

41.素质目标

（8）培养学生良好的职业道德感，较强的敬业精神和创新精神。

（9）增强学生的沟通与协作、协调与组织能力，及良好的团队精神。

42.基本要求

（17）了解门牌识别的背景和目标。

（18）熟悉门牌识别的步骤和流程。

（19）掌握门牌的目标数据特征提取和目标数字的检测方法。

（20）掌握构建CNN网络的方法，用于生成门牌识别模型。

（21）掌握训练网络和保存模型的方法。

（22）掌握评价模型性能的方法。

二十一、问题

43.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（11）自然场景中有哪些需要识别的数字？

（12）门牌识别涉及哪些步骤？

（13）门牌识别用哪种深度神经网络更合适？

44.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（10）数据预处理需要做什么？

（11）HOG特征有什么作用？

（12）如何提取HOG特征？

45.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（7）还有哪种深度神经网络适合用于数字识别？

（8）如何改进模型的识别效果？

二十二、主要知识点、重点与难点

46.主要知识点

（16）门牌识别的背景。

（17）门牌识别的数据。

（18）门牌识别的目标。

（19）门牌识别的项目结构。

（20）门牌识别的步骤和流程。

（21）获取目标与背景数据。

（22）基于HOG特征提取与SVM分类器进行目标检测。

（23）读取训练集与测试集。

（24）构建卷积神经网络。

（25）训练网络并保存模型。

（26）评估模型性能。

（27）应用模型识别门牌数字。

47.重点

（10）门牌识别的步骤和流程。

（11）获取目标与背景数据。

（12）基于HOG特征提取与SVM分类器进行目标检测。

（13）读取训练集与测试集。

（14）构建卷积神经网络。

（15）训练网络并保存模型。

（16）评估模型性能。

（17）应用模型识别门牌数字。

48.难点

（5）基于HOG特征提取与SVM分类器进行目标检测。

（6）构建卷积神经网络。

二十三、教学过程设计

49.理论教学过程

（20）门牌识别的背景

（21）门牌识别的数据

（22）门牌识别的目标

（23）门牌识别的项目结构

（24）门牌识别的步骤和流程

（25）获取目标与背景数据

（26）基于HOG特征提取与SVM分类器进行目标检测

（27）读取训练集与测试集

（28）构建卷积神经网络

（29）训练网络并保存模型

（30）评估模型性能

（31）应用模型识别门牌数字

50.实验教学过程

（10）获取目标数据和背景数据

（11）提取HOG特征

（12）使用SVM进行特征识别

（13）读取训练集与测试集

（14）构建卷积神经网络

（15）训练网络并保存模型

（16）评估模型性能

（17）使用模型识别门牌数字

二十四、教材与参考资料

51.教材

崔炜，张良均．TensorFlow2深度学习实战[M]．北京：

人民邮电出版社．2021．

52.参考资料

[1]陈屹．神经网络与深度学习实战：

Python+Keras+TensorFlow[M]，北京:

机械工业出版社，2019.8．

[2]彭小红，张良均．深度学习与计算机视觉实战[M]．北京：

人民邮电出版社．2022．

第5章基于LSTM的语音识别

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

10学时

二十五、材料清单

（21）《TensorFlow2深度学习实战》教材。

（22）配套PPT。

（23）引导性提问。

（24）探究性问题。

（25）拓展性问题。

二十六、教学目标与基本要求

53.教学目标

本章通过LSTM网络实现对语音数据的识别。

重点介绍MFCC特征提取的过程，并对提取的特征数据进行标准化，使其可以满足网络的输入要求。

通过改变网络的参数，提高模型的精度，保存训练完毕的模型方便下次调用，并对模型的泛化能力进行测试，对模型的结果进行分析。

54.素质目标

（10）培养学生细心踏实、思维敏锐、勇于创新的职业精神。

（11）培养学生的不屈不挠、敢于直面的科学精神和态度。

55.基本要求

（23）了解语音识别的背景和目标。

（24）熟悉语音识别的流程。

（25）掌握语音数据特征提取和标准化的方法。

（26）掌握构建语音识别网络的方法。

（27）掌握训练网络的方法。

（28）掌握评价模型性能的方法。

二十七、问题

56.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（14）生活中有哪些地方使用了语音识别？

（15）音频数据该如何处理？

（16）语音识别用哪种深度神经网络更合适？

57.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（13）数据预处理需要做什么？

（14）MFCC特征有什么作用？

（15）如何转换MFCC特征？

58.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（9）还有哪些深度神经网络适合用于语音识别？

（10）如何改进模型的识别效果？

二十八、主要知识点、重点与难点

59.主要知识点

（28）语音识别的背景

（29）语音识别的数据

（30）语音识别的目标

（31）语音识别的项目结构

（32）语音识别的步骤和流程

（33）提取MFCC特征与标准化数据

（34）设置网络超参数并构建网络

（35）编译网络

（36）训练并保存模型

（37）模型调参

（38）泛化测试

（39）结果分析

60.重点

（18）语音识别的步骤和流程

（19）提取MFCC特征与标准化数据

（20）设置网络超参数并构建网络

61.难点

（7）提取MFCC特征与标准化数据

（8）设置网络超参数并构建网络

二十九、教学过程设计

62.理论教学过程

（32）语音识别的背景

（33）语音识别的数据

（34）语音识别的目标

（35）语音识别的项目结构

（36）语音识别的步骤和流程

（37）提取MFCC特征与标准化数据

（38）设置网络超参数并构建网络

（39）编译网络

（40）训练并保存模型

（41）模型调参

（42）泛化测试

（43）结果分析

63.实验教学过程

（18）划分数据集

（19）提取MFCC特征

（20）标准化数据

（21）设置网络超参数

（22）构建网络层

（23）编译网络

（24）训练以及保存模型

（25）模型调参

（26）泛化测试

三十、教材与参考资料

64.教材

崔炜，张良均．TensorFlow2深度学习实战[M]．北京：

人民邮电出版社．2021．

65.参考资料

[1]陈屹．神经网络与深度学习实战：

Python+Keras+TensorFlow[M]，北京:

机械工业出版社，2019.8．

[2]彭小红，张良均．深度学习与计算机视觉实战[M]．北京：

人民邮电出版社．2022．

第6章基于CycleGAN的图像风格转换

教案

课程名称：

TensorFlow2深度学习实战

课程类别：

必修

适用专业：

人工智能类相关专业

总学时：

64学时（其中理论36学时，实验28学时）

总学分：

4.0学分

本章学时：

10学时

三十一、材料清单

（26）《TensorFlow2深度学习实战》教材。

（27）配套PPT。

（28）引导性提问。

（29）探究性问题。

（30）拓展性问题。

三十二、教学目标与基本要求

66.教学目标

本章主要实现了基于CycleGAN将现实风景图像的风格转换成油画风格的图像风格转换。

首先读取数据，对图像进行数据预处理；然后构建生成器与判别器；接下来训练CycleGAN网络，包括定义损失函数、定义优化器函数、定义图