《計(jì)算機(jī)應(yīng)用開(kāi)發(fā)》教案授課題目基于ResNet實(shí)現(xiàn)服飾分類(lèi)授課類(lèi)型新授課授課時(shí)長(zhǎng)12節(jié)課教學(xué)內(nèi)容一教學(xué)目標(biāo)知識(shí)目標(biāo)（1）掌握基于傳統(tǒng)機(jī)器學(xué)習(xí)的圖像分類(lèi)方法。（2）掌握基于深度學(xué)習(xí)的圖像分類(lèi)方法。（3）熟悉深度學(xué)習(xí)圖像分類(lèi)算法——ResNet。（4）掌握?qǐng)D像分類(lèi)模型的評(píng)估指標(biāo)。能力目標(biāo)能夠訓(xùn)練ResNet模型實(shí)現(xiàn)服飾分類(lèi)。能夠?qū)D像分類(lèi)模型部署到服務(wù)端。情感目標(biāo)使學(xué)生體驗(yàn)人工智能的分類(lèi)任務(wù)，將人工智能的興衰與自身職業(yè)規(guī)劃聯(lián)系起來(lái)。能理解機(jī)器學(xué)習(xí)在實(shí)際中的應(yīng)用并產(chǎn)生學(xué)習(xí)動(dòng)力。教學(xué)重點(diǎn)（1）ResNet模型實(shí)現(xiàn)服飾分類(lèi)。（2）圖像分類(lèi)模型部署到服務(wù)端教學(xué)難點(diǎn)ResNet模型實(shí)現(xiàn)服飾分類(lèi)教法學(xué)法講授法、練習(xí)法特色學(xué)習(xí)資源分析、技術(shù)手段應(yīng)用說(shuō)明學(xué)習(xí)場(chǎng)所：實(shí)訓(xùn)室教學(xué)資源：PPT、視頻、操作手冊(cè)、學(xué)生任務(wù)單教學(xué)設(shè)備：電子白板學(xué)情分析學(xué)生了解人工智能的人類(lèi)任務(wù)的原理，但未從綜合、底層的角度實(shí)現(xiàn)過(guò)分類(lèi)任務(wù)。板書(shū)設(shè)計(jì)（教學(xué)結(jié)構(gòu)圖）服飾分類(lèi)模型的訓(xùn)練教學(xué)環(huán)節(jié)（時(shí)間分配）教學(xué)內(nèi)容及教師活動(dòng)學(xué)生活動(dòng)設(shè)計(jì)意圖及實(shí)施效果【情境導(dǎo)入】【項(xiàng)目描述】【項(xiàng)目分析】【知識(shí)準(zhǔn)備】【項(xiàng)目實(shí)施】【結(jié)果展示】【課堂總結(jié)】【情境導(dǎo)入】隨著電商平臺(tái)的快速發(fā)展，越來(lái)越多的人選擇在電商平臺(tái)（如京東、淘寶、拼多多等）上購(gòu)物。服飾在電商平臺(tái)上的種類(lèi)多種多樣，并且數(shù)量龐大。在電商銷(xiāo)售活動(dòng)中，服飾推薦方法主要基于用戶(hù)的歷史行為數(shù)據(jù)和服飾屬性信息（如顏色、款式、品牌等）。為了方便用戶(hù)檢索，我們需要對(duì)電商平臺(tái)上的服飾進(jìn)行識(shí)別和分類(lèi)。思考：可以使用什么技術(shù)來(lái)對(duì)服飾進(jìn)行識(shí)別和分類(lèi)呢？本項(xiàng)目要求基于上述案例場(chǎng)景，通過(guò)paddlepaddle框架訓(xùn)練一個(gè)ResNet模型，使其能夠?qū)D像中的服飾進(jìn)行識(shí)別，并輸出對(duì)應(yīng)的類(lèi)別標(biāo)簽及置信度選擇環(huán)境選擇上次課構(gòu)建好的paddle——clo環(huán)境。導(dǎo)入模塊導(dǎo)入我們上節(jié)課安裝好的模塊。三、構(gòu)建數(shù)據(jù)讀取器構(gòu)建繼承了paddle.io.Dataset這個(gè)類(lèi)的數(shù)據(jù)讀取器。我們需要重新定義__init__、__getitem__和__len__。四、處理數(shù)據(jù)格式在數(shù)據(jù)進(jìn)入模型訓(xùn)練之前，還需對(duì)數(shù)據(jù)的格式進(jìn)行處理，處理參數(shù)如下：T.Resize：指定輸入圖片的尺寸，并將所有樣本數(shù)據(jù)統(tǒng)一處理成該尺寸；T.CenterCrop：對(duì)輸入圖像進(jìn)行裁剪，并且保持圖片中心點(diǎn)不變；T.Normalize：對(duì)所有輸入圖片數(shù)據(jù)進(jìn)行歸一化處理。劃分?jǐn)?shù)據(jù)集：這一步我們將數(shù)據(jù)集劃分為trappings_train、trappings_validate和trappings_test。導(dǎo)入模型接下來(lái)我們開(kāi)始導(dǎo)入模型，我們使用百度的paddlehub模型庫(kù)加載ResNet50模型，label_list是數(shù)據(jù)標(biāo)簽，需要與我們的數(shù)據(jù)集的標(biāo)簽一致。name是模型的名字這里我們的模型名字叫resnet50_vd_imagenet_ssld。六、訓(xùn)練模型模型導(dǎo)入成功后我們就可以訓(xùn)練了，在本次任務(wù)中我們使用Adam優(yōu)化器，learning_rate是全局學(xué)習(xí)率，一般默認(rèn)0.001。parameters是待優(yōu)化模型。Trainer是訓(xùn)練器。參數(shù)：Model是待優(yōu)化模型；optimizer是優(yōu)化器；checkpoint_dir是保存模型參數(shù)的地址；use_gpu是是指是否調(diào)用GPU，要調(diào)用GPU則為T(mén)rue，不調(diào)用GPU則是False。控制訓(xùn)練的過(guò)程，參數(shù)如下：trappings_train是訓(xùn)練用的數(shù)據(jù)集；epochs是訓(xùn)練的輪數(shù)，為了提高精確率輪數(shù)可以適當(dāng)增加；batch_size是訓(xùn)練的批次大小，一般與圖片數(shù)量、訓(xùn)練的輪數(shù)有關(guān)；eval_datase是驗(yàn)證集；save_interval是保存模型的間隔頻次，單位是訓(xùn)練的輪數(shù)。本次訓(xùn)練大約需要30-40分鐘。在訓(xùn)練過(guò)程中，你可以看到如下圖的訓(xùn)練過(guò)程。epoch是訓(xùn)練輪數(shù)；step是每輪訓(xùn)練圖片的張數(shù)；loss是損失量，這個(gè)的數(shù)值會(huì)隨著訓(xùn)練逐漸減少；acc是精確率，是評(píng)估模型的一個(gè)標(biāo)準(zhǔn)，這個(gè)數(shù)值會(huì)隨著訓(xùn)練逐漸增加；lr是learning_rate全局學(xué)習(xí)率。文件位置：代碼文件的同級(jí)目錄文件名字：img_classification文件內(nèi)容：其中文件夾best_model中存放著10輪訓(xùn)練中最佳的模型文件，這將是下一任務(wù)中所部署的模型。單擊打開(kāi)可以看到其中存放著兩個(gè)文件，分別為model.pdopt和model.pdparams七、部署服飾分類(lèi)模型（1）配置config.json文件（2）單擊打開(kāi)服飾分類(lèi).ipynb文件，在最后一個(gè)空的代碼塊中輸入以下代碼（3）運(yùn)行部署八、訪問(wèn)服務(wù)端（1）導(dǎo)入實(shí)驗(yàn)所需庫(kù)（2）定義轉(zhuǎn)換圖像格式的方法（3）圖像格式轉(zhuǎn)換（4）發(fā)送請(qǐng)求輸出結(jié)果：（5）識(shí)別結(jié)果可視化【學(xué)生談收獲】讓學(xué)生分享在本次課上的所學(xué)所得，【總結(jié)】教師總結(jié)本次課內(nèi)容。學(xué)生回憶并思考學(xué)生明確項(xiàng)目要求學(xué)生聆聽(tīng)并思考學(xué)生聆聽(tīng)并思考選擇環(huán)境學(xué)生按要求導(dǎo)入模塊學(xué)生聆聽(tīng)并思考，教師提示后，構(gòu)建數(shù)據(jù)讀取器歸一化處理劃分?jǐn)?shù)據(jù)集學(xué)生導(dǎo)入resnet50_vd_imagenet_ssld模型。學(xué)生訓(xùn)練模型學(xué)生查看訓(xùn)練結(jié)果配置config.json文件部署服務(wù)導(dǎo)入實(shí)驗(yàn)所需庫(kù)定義轉(zhuǎn)換圖像格式的方法圖像格式轉(zhuǎn)換發(fā)送請(qǐng)求識(shí)別結(jié)果可視化分享自己在本項(xiàng)目中的收獲聆聽(tīng)并思考激發(fā)學(xué)生興趣，聯(lián)系學(xué)生已有的關(guān)于人工智能的經(jīng)驗(yàn)，引入新課。明確要求，有的放矢教師帶領(lǐng)學(xué)生實(shí)現(xiàn)一個(gè)較為困難的任務(wù)，故先分析流程，明晰步驟。明確學(xué)習(xí)的脈絡(luò)理論與實(shí)踐想結(jié)合，理實(shí)一體算法較為抽象，教師講解使學(xué)生不會(huì)有習(xí)得性無(wú)助教師講解參數(shù)含義，幫助學(xué)生理解數(shù)據(jù)處理的細(xì)節(jié)，對(duì)數(shù)據(jù)處理有更深層次的認(rèn)識(shí)。為了訓(xùn)練模型和驗(yàn)證模型的數(shù)據(jù)不重復(fù)，故須劃分?jǐn)?shù)據(jù)集，并在此處回顧知識(shí)點(diǎn)。使學(xué)生了解resnet模型，了解視覺(jué)進(jìn)步背后的模型。教師教導(dǎo)學(xué)生理解模型訓(xùn)練中的參數(shù)，幫助學(xué)生理解參數(shù)含義，有助于學(xué)生觀察模型訓(xùn)練的情況。學(xué)生查看是對(duì)模型訓(xùn)練結(jié)果的檢驗(yàn)，不僅課正式訓(xùn)練的結(jié)果，也使學(xué)生獲得