PyTorch与深度学习实战-教学大纲.pdf

《PyTorch与深度学习实战》教学大纲

课程名称：PyTorch与深度学习实战

课程类别：必修

适用专业：大数据技术类相关专业

总学时：64学时（其中理论26学时，实验38学时）

总学分：4.0学分

一、课程的性质

深度学习作为机器学习领域中一个新的研究方向，近年来已经在语音识别、计算机视觉

等多种应用中取得了重大的突破和成果。人工智能作为“十四五规划”中的重点新兴产业，

需要依托深度学习技术作为实现人工智能的重要途径。要研究和开发深度学习相关的技术，

离不开深度学习框架的支持。PyTorch作为一种流行的深度学习框架，因其入门简单且运行

效率相对较高，正在被越来越多的人所使用。为了满足日益增长的深度学习人才需求，特开

设PyTorch与深度学习实战课程。

二、课程的任务

通过本课程的学习，使学生学会使用Python和PyTorch框架实现深度学习全流程，并

详细拆解图像识别、文本生成、图像风格转换三个实际案例，将理论与实践相结合，为将来

从事深度学习相关的研究、工作奠定基础。

三、课程学时分配

序号教学内容理论学时实验学时其它

1第1章深度学习概述21

2第2章PyTorch深度学习通用流程24

3第3章PyTorch深度学习基础46

4第4章手写汉字识别68

5第5章文本生成68

6第6章基于CycleGAN的图像风格转换68

第7章基于TipDM大数据挖掘建模平
703
台实现文本生成

总计2638

四、教学内容及学时安排

1.理论教学

序
章节名称主要内容教学目标学时
号
1.深度学习的基本定义
2.深度学习的常见应用场景1.了解深度学习的定义和常
3.常见的深度学习应用技术见应用
4.常见的深度学习框架2.了解深度学习与其他领域
5.PyTorch的生态之间的联系
1深度学习概述2
6.PyTorch的特性3.掌握PyTorch深度学习框
7.PyTorch的安装过程架的安装方法
8.预训练模型的概念4.掌握PyTorch中预训练模
9.预训练模型的使用场景型的使用方法
10.预训练模型的调用方法
1.了解PyTorch深度学习的
通用流程
1.数据加载
2.掌握使用PyTorch进行数
2.数据预处理
据加载和预处理的方法
3.常用的网络构建方法
3.掌握使用PyTorch构建神
4.激活函数
PyTorch深度学经网络的方法
25.损失函数2
习通用流程4.掌握使用PyTorch编译神
6.优化器
经网络的方法
7.迭代次数
5.掌握使用PyTorch训练神
8.批训练
经网络的方法
9.评估指标
6.掌握使用PyTorch进行性
能评估的方法

1.常用卷积神经网络算法及其
结构
2.卷积神经网络中的常用网络
层1.了解常用的卷积神经网络
3.基于卷积神经网络的手写数的算法理论及应用
字识别2.了解常用的循环神经网络
4.常用循环神经网络算法及其的算法理论及应用
PyTorch深度学
3结构3.了解常用的生成对抗神经4
习基础
5.循环神经网络中的常用网络网络的算法理论及应用
层4.掌握使用PyTorch实现常
6.基于LSTM的时间序列分析用深度神经网络的构建和训
7.常用生成对抗网络算法及其练的方法
结构
8.基于GAN的手写数字图像
生成
1.掌握常见的数据读取方式
1.手写汉字识别的背景
2.了解书写汉字识别的相关
2.分析目标与流程
背景
3.加载图像数据
3.掌握卷积神经网络的构建
4.构建网络
4手写汉字识别方法6
5.编译网络
4.掌握编译、训练模型的方
6.训练网络
法
7.性能评估
5.掌握对模型进行性能评
8.模型预测
估、泛化测试的方法
1.了解文本生成的背景及目
1.文本生成的背景标
2.分析目标与流程2.熟悉文本生成的具体流程
3.文本预处理3.掌握文本预处理的方法
5文本生成6
4.构建网络4.掌握搭建LSTM网络的方
5.训练网络法
6.结果分析5.掌握训练LSTM网络的方
法
1.了解图像风格转换的背景
1.图像风格转换的背景
2.熟悉图像风格转换的步骤
2.分析目标与流程
基于CycleGAN与流程
3.数据准备
6的图像风格转3.熟悉CycleGAN的网络结6
4.构建网络
换构与搭建步骤
5.训练网络
4.掌握CycleGAN网络的训
6.结果分析
练方法

学时合计26

2.实验教学

序号实验项目名称实验要求学时
1.安装驱动和CUDA环境
PyTorch环境配
12.测试驱动安装完成1
置
3.下载安装PyTorch
1.加载及预处理猫狗分类数据
2.构建基于CNN的猫狗分类网络
PyTorch深度学
23.编译基于CNN的猫狗分类网络4
习通