《PyTorch與深度學(xué)習(xí)實(shí)戰(zhàn)》教學(xué)大綱課程名稱：PyTorch與深度學(xué)習(xí)實(shí)戰(zhàn)課程類別：必修適用專業(yè)：大數(shù)據(jù)技術(shù)類相關(guān)專業(yè)總學(xué)時(shí)：64學(xué)時(shí)（其中理論26學(xué)時(shí)，實(shí)驗(yàn)38學(xué)時(shí)）總學(xué)分：4.0學(xué)分課程的性質(zhì)深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)新的研究方向，近年來已經(jīng)在語音識(shí)別、計(jì)算機(jī)視覺等多種應(yīng)用中取得了重大的突破和成果。人工智能作為“十四五規(guī)劃”中的重點(diǎn)新興產(chǎn)業(yè)，需要依托深度學(xué)習(xí)技術(shù)作為實(shí)現(xiàn)人工智能的重要途徑。要研究和開發(fā)深度學(xué)習(xí)相關(guān)的技術(shù)，離不開深度學(xué)習(xí)框架的支持。PyTorch作為一種流行的深度學(xué)習(xí)框架，因其入門簡單且運(yùn)行效率相對(duì)較高，正在被越來越多的人所使用。為了滿足日益增長的深度學(xué)習(xí)人才需求，特開設(shè)PyTorch與深度學(xué)習(xí)實(shí)戰(zhàn)課程。課程的任務(wù)通過本課程的學(xué)習(xí)，使學(xué)生學(xué)會(huì)使用Python和PyTorch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、文本生成、圖像風(fēng)格轉(zhuǎn)換三個(gè)實(shí)際案例，將理論與實(shí)踐相結(jié)合，為將來從事深度學(xué)習(xí)相關(guān)的研究、工作奠定基礎(chǔ)。課程學(xué)時(shí)分配序號(hào)教學(xué)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212第2章PyTorch深度學(xué)習(xí)通用流程243第3章PyTorch深度學(xué)習(xí)基礎(chǔ)464第4章手寫漢字識(shí)別685第5章文本生成686第6章基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換687第7章基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)文本生成03總計(jì)2638教學(xué)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)目標(biāo)學(xué)時(shí)1深度學(xué)習(xí)概述深度學(xué)習(xí)的基本定義深度學(xué)習(xí)的常見應(yīng)用場景常見的深度學(xué)習(xí)應(yīng)用技術(shù)常見的深度學(xué)習(xí)框架PyTorch的生態(tài)PyTorch的特性PyTorch的安裝過程預(yù)訓(xùn)練模型的概念預(yù)訓(xùn)練模型的使用場景預(yù)訓(xùn)練模型的調(diào)用方法了解深度學(xué)習(xí)的定義和常見應(yīng)用了解深度學(xué)習(xí)與其他領(lǐng)域之間的聯(lián)系掌握PyTorch深度學(xué)習(xí)框架的安裝方法掌握PyTorch中預(yù)訓(xùn)練模型的使用方法22PyTorch深度學(xué)習(xí)通用流程數(shù)據(jù)加載數(shù)據(jù)預(yù)處理常用的網(wǎng)絡(luò)構(gòu)建方法激活函數(shù)損失函數(shù)優(yōu)化器迭代次數(shù)批訓(xùn)練評(píng)估指標(biāo)了解PyTorch深度學(xué)習(xí)的通用流程掌握使用PyTorch進(jìn)行數(shù)據(jù)加載和預(yù)處理的方法掌握使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法掌握使用PyTorch編譯神經(jīng)網(wǎng)絡(luò)的方法掌握使用PyTorch訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法掌握使用PyTorch進(jìn)行性能評(píng)估的方法23PyTorch深度學(xué)習(xí)基礎(chǔ)常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別常用循環(huán)神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層基于LSTM的時(shí)間序列分析常用生成對(duì)抗網(wǎng)絡(luò)算法及其結(jié)構(gòu)基于GAN的手寫數(shù)字圖像生成了解常用的卷積神經(jīng)網(wǎng)絡(luò)的算法理論及應(yīng)用了解常用的循環(huán)神經(jīng)網(wǎng)絡(luò)的算法理論及應(yīng)用了解常用的生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的算法理論及應(yīng)用掌握使用PyTorch實(shí)現(xiàn)常用深度神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練的方法44手寫漢字識(shí)別手寫漢字識(shí)別的背景分析目標(biāo)與流程加載圖像數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)編譯網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)性能評(píng)估模型預(yù)測(cè)掌握常見的數(shù)據(jù)讀取方式了解書寫漢字識(shí)別的相關(guān)背景掌握卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建方法掌握編譯、訓(xùn)練模型的方法掌握對(duì)模型進(jìn)行性能評(píng)估、泛化測(cè)試的方法65文本生成文本生成的背景分析目標(biāo)與流程文本預(yù)處理構(gòu)建網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)結(jié)果分析了解文本生成的背景及目標(biāo)熟悉文本生成的具體流程掌握文本預(yù)處理的方法掌握搭建LSTM網(wǎng)絡(luò)的方法掌握訓(xùn)練LSTM網(wǎng)絡(luò)的方法66基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換圖像風(fēng)格轉(zhuǎn)換的背景分析目標(biāo)與流程數(shù)據(jù)準(zhǔn)備構(gòu)建網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)結(jié)果分析了解圖像風(fēng)格轉(zhuǎn)換的背景熟悉圖像風(fēng)格轉(zhuǎn)換的步驟與流程熟悉CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)與搭建步驟掌握CycleGAN網(wǎng)絡(luò)的訓(xùn)練方法6學(xué)時(shí)合計(jì)26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)1PyTorch環(huán)境配置安裝驅(qū)動(dòng)和CUDA環(huán)境測(cè)試驅(qū)動(dòng)安裝完成下載安裝PyTorch12PyTorch深度學(xué)習(xí)通用流程加載及預(yù)處理貓狗分類數(shù)據(jù)構(gòu)建基于CNN的貓狗分類網(wǎng)絡(luò)編譯基于CNN的貓狗分類網(wǎng)絡(luò)訓(xùn)練基于CNN的貓狗分類網(wǎng)絡(luò)評(píng)估基于CNN的貓狗分類模型性能43PyTorch深度學(xué)習(xí)基礎(chǔ)基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別基于LSTM的時(shí)間序列分析基于GAN的手寫數(shù)字圖像生成64手寫漢字識(shí)別定義生成圖像集路徑txt文檔的函數(shù)定義讀取并變換圖像數(shù)據(jù)格式的類加載圖像數(shù)據(jù)提取時(shí)間序列數(shù)據(jù)信息構(gòu)建網(wǎng)絡(luò)編譯網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)性能評(píng)估模型預(yù)測(cè)85文本生成文本數(shù)據(jù)處理創(chuàng)建字典序列生成定義文本生成類的構(gòu)造方法權(quán)重初始化構(gòu)建網(wǎng)絡(luò)設(shè)置配置項(xiàng)執(zhí)行訓(xùn)練文本生成器結(jié)果分析86基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換數(shù)據(jù)準(zhǔn)備構(gòu)建殘差網(wǎng)絡(luò)block構(gòu)建生成器Generator構(gòu)建判別器Discriminator 設(shè)置緩存隊(duì)列ReplayBuffer訓(xùn)練網(wǎng)絡(luò)結(jié)果分析87基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)文本生成配置數(shù)據(jù)源文本預(yù)處理構(gòu)建網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò)結(jié)果分析3學(xué)時(shí)合計(jì)38考核方式突出學(xué)生解決實(shí)際問題的能力，加強(qiáng)過程性考核。課程考核的成績構(gòu)成=平時(shí)作業(yè)（10%）+課堂參與（20%）+期末考核（70%），期末考試建議采用開卷形式，試題應(yīng)包括基本概念、數(shù)據(jù)讀取、數(shù)據(jù)預(yù)處理、構(gòu)建網(wǎng)絡(luò)、編譯網(wǎng)絡(luò)、訓(xùn)練網(wǎng)絡(luò)、網(wǎng)絡(luò)調(diào)參、模型評(píng)價(jià)等部分，題型可采用判斷題、選擇、簡答、應(yīng)用題等方式。教材與參考資料教材劉雙星，張良均．PyTorch與深度學(xué)習(xí)實(shí)戰(zhàn)[M]．北京：人民郵電出版社．2023．參考資料[1] 崔煒，張良均．TensorFlo