打造基于產(chǎn)教融合的就業(yè)育人綜合服務(wù)平臺打造基于產(chǎn)教融合的就業(yè)育人綜合服務(wù)平臺項目1深度學(xué)習(xí)概述教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：3學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要介紹深度學(xué)習(xí)的基本定義以及其應(yīng)用領(lǐng)域，包括物體檢測、視覺定位、物體測量、物體分揀、圖像分割、圖像的生成等應(yīng)用領(lǐng)域；然后分別介紹深度學(xué)習(xí)與計算機視覺、自然語言處理、語言識別、機器學(xué)習(xí)和人工智能間的關(guān)系；之后介紹常用的深度學(xué)習(xí)基本框架以及TensorFlow的生態(tài)和特征；最后介紹TensorFlowCPU版的安裝方法。素質(zhì)目標通過學(xué)習(xí)深度學(xué)習(xí)的基礎(chǔ)知識，能夠?qū)ι疃葘W(xué)習(xí)的基本定義、常見的應(yīng)用領(lǐng)域、與應(yīng)用技術(shù)的關(guān)系建立起基本的認知，并對深度學(xué)習(xí)技術(shù)的未來發(fā)展方向有所理解。通過實際操作的方式，熟練掌握配置安裝TensorFlow2的CPU版的全流程，提升編程實踐能力。基本要求了解深度學(xué)習(xí)的基本定義。了解深度學(xué)習(xí)的常見應(yīng)用場景。了解常見的深度學(xué)習(xí)應(yīng)用技術(shù)。了解常見的深度學(xué)習(xí)框架。熟悉深度學(xué)習(xí)框架TensorFlow的生態(tài)。熟悉深度學(xué)習(xí)框架TensorFlow的特性。熟悉深度學(xué)習(xí)框架TensorFlow的改進過程。掌握TensorFLowCPU版的安裝方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。深度學(xué)習(xí)能夠做什么？現(xiàn)實生活中存在哪些地方應(yīng)用了深度學(xué)習(xí)技術(shù)？該如何進行數(shù)據(jù)分析？TenserFlow框架有哪些優(yōu)勢？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。深度學(xué)習(xí)技術(shù)是怎么影響計算機視覺領(lǐng)域的？深度學(xué)習(xí)與人工智能的關(guān)系是什么？TenserFlow具有什么樣的生態(tài)？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。深度學(xué)習(xí)是不是萬能的？TenserFlow2做出了哪些改進？主要知識點、重點與難點主要知識點深度學(xué)習(xí)的概念和常見應(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。深度學(xué)習(xí)框架TensorFlow的生態(tài)、特性和改進過程。TensorFLowCPU版的安裝方法。重點深度學(xué)習(xí)的概念和常見應(yīng)用場景。深度學(xué)習(xí)框架TensorFlow的生態(tài)、特性和改進過程。難點深度學(xué)習(xí)框架TensorFlow的生態(tài)、特性和改進過程。教學(xué)過程設(shè)計理論教學(xué)過程深度學(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。深度學(xué)習(xí)框架TensorFlow的生態(tài)。深度學(xué)習(xí)框架TensorFlow的特性。深度學(xué)習(xí)框架TensorFlow的改進過程。TensorFLowCPU版的安裝方法。實驗教學(xué)過程在Windows系統(tǒng)上安裝TensorFLowCPU版。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目2TensorFlow2快速入門教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：7學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要介紹深度學(xué)習(xí)通用流程，包括數(shù)據(jù)加載、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)、性能評價以及模型的保存與調(diào)用。介紹TensorFlow2的基本數(shù)據(jù)類型，并通過訓(xùn)練一個線性模型來介紹TensorFlow的工作流程。素質(zhì)目標通過學(xué)習(xí)TensorFlow2的通用流程，能夠建立起對深度學(xué)習(xí)項目從數(shù)據(jù)加載到模型保存調(diào)用的各個環(huán)節(jié)的完整認知，并理解它們之間的關(guān)系和重要性。通過實際編寫代碼的方式，掌握TensorFlow2的常用API和功能，提升編程實踐能力。基本要求掌握TensorFlow2深度學(xué)習(xí)的通用流程。了解TensorFlow2的基本數(shù)據(jù)類型。熟悉利用TensorFlow2訓(xùn)練線性模型的過程。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。要實現(xiàn)深度學(xué)習(xí)包含哪些步驟？TensorFlow2的基本數(shù)據(jù)類型有哪些？如何使用TensorFlow2訓(xùn)練模型？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。數(shù)據(jù)預(yù)處理的作用是什么？編譯網(wǎng)絡(luò)的步驟中需要做什么？為什么要保存模型？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。在訓(xùn)練網(wǎng)絡(luò)的過程中使用批訓(xùn)練有什么好處？不同的評估指標分別適用于哪些場景？主要知識點、重點與難點主要知識點TensorFlow2深度學(xué)習(xí)的通用流程。TensorFlow2的基本數(shù)據(jù)類型。利用TensorFlow2訓(xùn)練線性模型的過程。重點TensorFlow2深度學(xué)習(xí)的通用流程。TensorFlow2的基本數(shù)據(jù)類型。難點TensorFlow2深度學(xué)習(xí)的通用流程。TensorFlow2的基本數(shù)據(jù)類型。教學(xué)過程設(shè)計理論教學(xué)過程TensorFlow2深度學(xué)習(xí)的通用流程。TensorFlow2的基本數(shù)據(jù)類型。使用TensorFlow2訓(xùn)練一個線性模型的方法。實驗教學(xué)過程導(dǎo)入csv數(shù)據(jù)，并劃分成測試集和訓(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。計算均方誤差。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目3深度神經(jīng)網(wǎng)絡(luò)原理及實現(xiàn)教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：12學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要介紹常見深度神經(jīng)網(wǎng)絡(luò)的原理與對應(yīng)的TensorFlow中的實現(xiàn)方法，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)。分別介紹各類深度學(xué)習(xí)網(wǎng)絡(luò)的常用網(wǎng)絡(luò)層，并對各類深度學(xué)習(xí)網(wǎng)絡(luò)的常見變種進行介紹，最后分別通過一個實例演示使用TensorFlow搭建不同類型的深度網(wǎng)絡(luò)的方法。素質(zhì)目標通過實現(xiàn)服飾圖像分類，了解中華服飾文化的豐富性和多樣性，提升對服飾文化內(nèi)涵的尊重和保護。通過實現(xiàn)服裝商品評論分類，建立起良好的消費習(xí)慣，抵制過度消費等不良價值觀。通過實現(xiàn)鞋子圖片生成，展現(xiàn)創(chuàng)新思維，體會到人工智能技術(shù)在工業(yè)制造領(lǐng)域所帶來的正面影響。基本要求熟悉深度學(xué)習(xí)中的各種網(wǎng)絡(luò)的核心網(wǎng)絡(luò)層。了解常見的深度學(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)實現(xiàn)圖像分類的方法。掌握使用循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)情感分類的方法。掌握使用生成對抗網(wǎng)絡(luò)實現(xiàn)鞋子圖片生成的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)按網(wǎng)絡(luò)結(jié)構(gòu)可以分為幾種類型？卷積神經(jīng)網(wǎng)絡(luò)的卷積是什么？有哪些常見的卷積神經(jīng)網(wǎng)絡(luò)？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別在哪？Embedding層的作用是什么？注意力模型通常用于做什么？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。循環(huán)神經(jīng)網(wǎng)絡(luò)更適合于解決哪些問題？生成對抗網(wǎng)絡(luò)適用于哪些場景？主要知識點、重點與難點主要知識點卷積神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像分類的方法。常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。使用循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)情感分類的方法。常用生成神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。使用生成對抗網(wǎng)絡(luò)實現(xiàn)鞋子圖片生成的方法。重點卷積神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。常用生成神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。難點卷積神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。循環(huán)神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。教學(xué)過程設(shè)計理論教學(xué)過程卷積神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像分類。常用卷積神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)中的核心網(wǎng)絡(luò)層。使用循環(huán)神經(jīng)網(wǎng)絡(luò)實現(xiàn)情感分類。常用生成神經(jīng)網(wǎng)絡(luò)算法及其結(jié)構(gòu)。使用生成對抗網(wǎng)絡(luò)實現(xiàn)鞋子圖片生成。實驗教學(xué)過程基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類。加載MNIST手寫數(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)。查看模型的分類準確率?；谘h(huán)神經(jīng)網(wǎng)絡(luò)的情感分類。加載數(shù)據(jù)集。文本預(yù)處理。詞向量轉(zhuǎn)換。句子截斷與填充。劃分數(shù)據(jù)集。構(gòu)建簡單RNN。訓(xùn)練簡單RNN。查看簡單RNN的準確率。構(gòu)建和訓(xùn)練LSTM。構(gòu)建和訓(xùn)練GRU。基于生成對抗網(wǎng)絡(luò)的鞋子圖片生成。導(dǎo)入數(shù)據(jù)集。構(gòu)建DCGAN的生成器。構(gòu)建DCGAN的判別器。編譯網(wǎng)絡(luò)。訓(xùn)練構(gòu)建的GAN。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目4基于CNN的彩色圖像分類教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：8學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要介紹使用卷積神經(jīng)網(wǎng)絡(luò)對CIFAR-10數(shù)據(jù)集進行圖像分類的完整流程，主要流程包括數(shù)據(jù)加載、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)、性能評價、模型的保存以及使用模型對新圖像進行預(yù)測。素質(zhì)目標能夠建立起對圖像分類流程的認知，理解各個環(huán)節(jié)的作用和影響，定位問題發(fā)生的環(huán)節(jié)并解決問題，提升問題解決能力。通過實現(xiàn)圖像分類，理解技術(shù)進步在提升社會服務(wù)水平中發(fā)揮的作用，培養(yǎng)創(chuàng)新思維能力?；疽罅私鈭D像分類的背景。熟悉圖像分類的步驟和流程。掌握圖像數(shù)據(jù)格式轉(zhuǎn)換的方法。掌握構(gòu)建CNN的方法，用于彩色圖像分類。掌握訓(xùn)練網(wǎng)絡(luò)和保存模型的方法。掌握評價模型性能的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。哪些生活場景中涉及到圖像分類？要實現(xiàn)圖像分類需要哪些步驟？哪種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)更適合圖像分類？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。繪制訓(xùn)練集圖像的目的是什么？圖像歸一化的作用是什么？該用什么指標來評價模型？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。還有哪些深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)適合用于圖像分類？如何改進模型的分類效果？主要知識點、重點與難點主要知識點圖像分類的背景。圖像分類的步驟與流程。圖像分類的數(shù)據(jù)集。數(shù)據(jù)集的格式轉(zhuǎn)換方法。圖像數(shù)據(jù)歸一化的方法。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的方法。編譯卷積神經(jīng)網(wǎng)絡(luò)的方法。訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的方法。保存已訓(xùn)練的模型的方法。評估模型的方法。加載訓(xùn)練好的模型并進行預(yù)測的方法。重點圖像分類的步驟與流程。數(shù)據(jù)集的格式轉(zhuǎn)換方法。圖像數(shù)據(jù)歸一化的方法。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的方法。編譯卷積神經(jīng)網(wǎng)絡(luò)的方法。訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的方法。保存已訓(xùn)練的模型的方法。評估模型的方法。加載訓(xùn)練好的模型并進行預(yù)測的方法。難點構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的方法。編譯卷積神經(jīng)網(wǎng)絡(luò)的方法。教學(xué)過程設(shè)計理論教學(xué)過程圖像分類的背景。圖像分類數(shù)據(jù)集的概況。圖像分類的步驟與流程。獲取圖像數(shù)據(jù)集。圖像數(shù)據(jù)歸一化。構(gòu)建和編譯卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。模型性能評估。模型預(yù)測。實驗教學(xué)過程獲取數(shù)據(jù)集。繪制部分訓(xùn)練集圖像。數(shù)據(jù)歸一化與存儲。構(gòu)建和編譯卷積神經(jīng)網(wǎng)絡(luò)。模型訓(xùn)練并保存。模型評估。模型預(yù)測。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目5基于CNN的門牌號識別教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：10學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)對街景門牌數(shù)字進行識別。先提取數(shù)據(jù)集中的目標數(shù)據(jù)和背景數(shù)據(jù)；然后重點介紹實現(xiàn)基于HOG特征提取和SVM分類器的目標檢測的過程，以實現(xiàn)街景圖像中目標數(shù)字的提?。恢笸ㄟ^卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)數(shù)字的識別；通過調(diào)整網(wǎng)絡(luò)的參數(shù)提高模型的識別精度，并保存訓(xùn)練完畢的模型方便下次調(diào)用；最后對模型的識別門牌數(shù)字的能力進行測試。素質(zhì)目標能夠理解圖像識別的主要流程，理解各步驟之間的聯(lián)系和對后續(xù)步驟的影響，將不同步驟中涉及的技術(shù)有效整合到一起，提升技術(shù)整合能力。通過實現(xiàn)門牌號自動識別，認識到圖像識別技術(shù)在緊急救援、社區(qū)管理、智慧城市建設(shè)中的應(yīng)用，理解技術(shù)人員的職業(yè)素養(yǎng)和社會責(zé)任?；疽罅私忾T牌識別的背景和目標。熟悉門牌識別的步驟和流程。掌握門牌的目標數(shù)據(jù)特征提取和目標數(shù)字的檢測方法。掌握構(gòu)建CNN網(wǎng)絡(luò)的方法，用于生成門牌識別模型。掌握訓(xùn)練網(wǎng)絡(luò)和保存模型的方法。掌握評價模型性能的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。自然場景中有哪些需要識別的數(shù)字？門牌識別涉及哪些步驟？門牌識別用哪種深度神經(jīng)網(wǎng)絡(luò)更合適？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。數(shù)據(jù)預(yù)處理需要做什么？HOG特征有什么作用？如何提取HOG特征？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。還有哪種深度神經(jīng)網(wǎng)絡(luò)適合用于數(shù)字識別？如何改進模型的識別效果？主要知識點、重點與難點主要知識點門牌識別的背景。門牌識別的數(shù)據(jù)。門牌識別的目標。門牌識別的項目結(jié)構(gòu)。門牌識別的步驟和流程。獲取目標與背景數(shù)據(jù)。基于HOG特征提取與SVM分類器進行目標檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。重點門牌識別的步驟和流程。獲取目標與背景數(shù)據(jù)。基于HOG特征提取與SVM分類器進行目標檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。難點基于HOG特征提取與SVM分類器進行目標檢測。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。教學(xué)過程設(shè)計理論教學(xué)過程門牌識別的背景。門牌識別的數(shù)據(jù)。門牌識別的目標。門牌識別的步驟和流程。獲取目標與背景數(shù)據(jù)?；贖OG特征提取與SVM分類器進行目標檢測。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。應(yīng)用模型識別門牌數(shù)字。實驗教學(xué)過程獲取目標數(shù)據(jù)和背景數(shù)據(jù)。提取HOG特征。使用SVM進行特征識別。讀取訓(xùn)練集與測試集。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)并保存模型。評估模型性能。使用模型識別門牌數(shù)字。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目6基于LSTM網(wǎng)絡(luò)的語音識別教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：10學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章通過LSTM網(wǎng)絡(luò)實現(xiàn)對語音數(shù)據(jù)的識別。重點介紹MFCC特征提取的過程，并對提取的特征數(shù)據(jù)進行標準化，使其可以滿足網(wǎng)絡(luò)的輸入要求。通過改變網(wǎng)絡(luò)的參數(shù)，提高模型的精度，保存訓(xùn)練完畢的模型方便下次調(diào)用，并對模型的泛化能力進行測試，對模型的結(jié)果進行分析。素質(zhì)目標能夠建立起對語音識別流程的各個環(huán)節(jié)的完整認知，理解各個環(huán)節(jié)的作用和相互之間的影響，培養(yǎng)系統(tǒng)思維能力，把握各個環(huán)節(jié)和整體目標之間的聯(lián)系。通過實現(xiàn)語音識別，認識到語音識別技術(shù)在提高社會弱勢群體生活質(zhì)量、服務(wù)殘疾人等方面的應(yīng)用，推動技術(shù)發(fā)展服務(wù)于社會和諧。基本要求了解語音識別的背景和目標。熟悉語音識別的流程。掌握語音數(shù)據(jù)特征提取和標準化的方法。掌握構(gòu)建語音識別網(wǎng)絡(luò)的方法。掌握訓(xùn)練網(wǎng)絡(luò)的方法。掌握評價模型性能的方法。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。生活中有哪些地方使用了語音識別？音頻數(shù)據(jù)該如何處理？語音識別用哪種深度神經(jīng)網(wǎng)絡(luò)更合適？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問。或者是對引導(dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。數(shù)據(jù)預(yù)處理需要做什么？MFCC特征有什么作用？如何轉(zhuǎn)換MFCC特征？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。還有哪些深度神經(jīng)網(wǎng)絡(luò)適合用于語音識別？如何改進模型的識別效果？主要知識點、重點與難點主要知識點語音識別的背景。語音識別的數(shù)據(jù)。語音識別的目標。語音識別的步驟和流程。提取MFCC特征與標準化數(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。泛化測試。結(jié)果分析。重點語音識別的步驟和流程。提取MFCC特征與標準化數(shù)據(jù)。設(shè)置網(wǎng)絡(luò)超參數(shù)并構(gòu)建網(wǎng)絡(luò)。難點提取MFCC特征與標準化數(shù)據(jù)。設(shè)置網(wǎng)絡(luò)超參數(shù)并構(gòu)建網(wǎng)絡(luò)。教學(xué)過程設(shè)計理論教學(xué)過程語音識別的背景。語音識別的數(shù)據(jù)。語音識別的目標。語音識別的步驟和流程。提取MFCC特征與標準化數(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。泛化測試。結(jié)果分析。實驗教學(xué)過程劃分數(shù)據(jù)集。提取MFCC特征。標準化數(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。泛化測試。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目7基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：10學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要實現(xiàn)了基于CycleGAN將現(xiàn)實風(fēng)景圖像的風(fēng)格轉(zhuǎn)換成油畫風(fēng)格的圖像風(fēng)格轉(zhuǎn)換。首先讀取數(shù)據(jù)，對圖像進行數(shù)據(jù)預(yù)處理；然后構(gòu)建生成器與判別器；接下來訓(xùn)練CycleGAN網(wǎng)絡(luò)，包括定義損失函數(shù)、定義優(yōu)化器函數(shù)、定義圖像生成函數(shù)和定義訓(xùn)練函數(shù)；最后對轉(zhuǎn)換的結(jié)果進行分析。素質(zhì)目標能夠建立起對圖像風(fēng)格轉(zhuǎn)換流程的各個環(huán)節(jié)的完整認知，理解各個環(huán)節(jié)的作用和相互之間的影響，能夠評估和分析各個環(huán)節(jié)的結(jié)果和影響，提升批判性思維。通過實現(xiàn)圖像風(fēng)格轉(zhuǎn)換，認識到圖像風(fēng)格轉(zhuǎn)換技術(shù)在提升公眾審美、豐富文化生活方面的作用，通過技術(shù)進步服務(wù)于人民的精神文化生活。基本要求了解圖像風(fēng)格轉(zhuǎn)換的背景和目標。熟悉圖像風(fēng)格轉(zhuǎn)換的步驟和流程。掌握常用的網(wǎng)絡(luò)構(gòu)建方法，用于構(gòu)建CycleGAN網(wǎng)絡(luò)。掌握常用的網(wǎng)絡(luò)訓(xùn)練方法，如定義損失函數(shù)、定義優(yōu)化器和定義訓(xùn)練函數(shù)等。問題引導(dǎo)性提問引導(dǎo)性提問需要教師根據(jù)教材內(nèi)容和學(xué)生實際水平，提出問題，啟發(fā)引導(dǎo)學(xué)生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。圖像風(fēng)格轉(zhuǎn)換主要做些什么？目前生活中有哪些地方應(yīng)用了圖像風(fēng)格轉(zhuǎn)換？探究性問題探究性問題需要教師深入鉆研教材的基礎(chǔ)上精心設(shè)計，提問的角度或者在引導(dǎo)性提問的基礎(chǔ)上，從重點、難點問題切入，進行插入式提問?；蛘呤菍σ龑?dǎo)式提問中尚未涉及但在課文中又是重要的問題加以設(shè)問。為什么要做數(shù)據(jù)擴充？數(shù)據(jù)擴充有什么哪些方法？批處理和迭代器有什么作用？拓展性問題拓展性問題需要教師深刻理解教材的意義，學(xué)生的學(xué)習(xí)動態(tài)后，根據(jù)學(xué)生學(xué)習(xí)層次，提出切實可行的關(guān)乎實際的可操作問題。亦可以提供拓展資料供學(xué)生研習(xí)探討，完成拓展性問題。還有哪些深度神經(jīng)網(wǎng)絡(luò)適合用于圖像風(fēng)格轉(zhuǎn)換？如何改進圖像的轉(zhuǎn)換效果？主要知識點、重點與難點主要知識點圖像風(fēng)格轉(zhuǎn)換的背景。圖像風(fēng)格轉(zhuǎn)換的目標。圖像風(fēng)格轉(zhuǎn)換的步驟和流程。對圖像進行預(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。重點圖像風(fēng)格轉(zhuǎn)換的步驟和流程。對圖像進行預(yù)處理。建立迭代器。構(gòu)建網(wǎng)絡(luò)。訓(xùn)練網(wǎng)絡(luò)。難點對圖像進行預(yù)處理。建立迭代器。構(gòu)建網(wǎng)絡(luò)。教學(xué)過程設(shè)計理論教學(xué)過程圖像風(fēng)格轉(zhuǎn)換的背景。圖像風(fēng)格轉(zhuǎn)換的目標。圖像風(fēng)格轉(zhuǎn)換的步驟和流程。對圖像進行預(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。實驗教學(xué)過程讀取數(shù)據(jù)。隨機抖動。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。教材與參考資料教材崔煒，張良均．TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）[M]．北京：人民郵電出版社．2025．參考資料[1] 陳屹．神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)：Python+Keras+TensorFlow[M]，北京:機械工業(yè)出版社，2019.8．[2] 彭小紅，張良均．深度學(xué)習(xí)與計算機視覺實戰(zhàn)[M]．北京：人民郵電出版社．2022．項目8基于TipDM大數(shù)據(jù)挖掘建模平臺的彩色圖像分類教案課程名稱：TensorFlow2深度學(xué)習(xí)實戰(zhàn)課程類別：必修適用專業(yè)：人工智能類相關(guān)專業(yè)總學(xué)時：64學(xué)時（其中理論28學(xué)時，實驗36學(xué)時）總學(xué)分：4.0學(xué)分本章學(xué)時：4學(xué)時材料清單《TensorFlow2深度學(xué)習(xí)實戰(zhàn)（第2版）（微課版）》教材。配套PPT。引導(dǎo)性提問。探究性問題。拓展性問題。教學(xué)目標與基本要求教學(xué)目標本章主要介紹了在TipDM數(shù)據(jù)大挖掘建模平臺上配置彩色圖像分類案例的工程，從導(dǎo)入數(shù)據(jù)和解壓文件開始，再到數(shù)據(jù)預(yù)處理，之后構(gòu)建CNN模型，并在測試集中進行模型評估，最終調(diào)用訓(xùn)練好的CNN模型實現(xiàn)彩色圖像分類。素質(zhì)目標通過參考項目4的項目流程，配置可用于TipDM大數(shù)據(jù)挖掘建模平臺的總體流程，提升總結(jié)概括信息的能力。通過使用TipDM大數(shù)據(jù)挖掘建模平臺的組件實現(xiàn)具體問題，提升學(xué)以致用的實踐能力?；疽螅?）熟悉使用TipDM大數(shù)據(jù)挖掘建模平