深度学习与计算机视觉教学教案.docVIP

PAGE

第页

《深度学习与计算机视觉》课程教案

授课题目

第1章深度学习与计算机视觉

授课时数

2学时

授课时间

教学基本要求：

（1）认识深度学习、机器学习、人工智能间的联系和区别；

（2）了解深度学习的应用，知道常用的深度学习框架；

（3）解释计算机视觉的概念，认识计算机视觉的用途；

（4）解释计算机视觉的任务，了解计算机视觉在生活中的应用。

教学重点：

深度学习、机器学习、人工智能间的联系和区别;计算机视觉的概念、任务。

教学难点：

深度学习与机器学习的区别。

教学内容及过程（以下内容可打印或手工书写）

深度学习、机器学习、人工智能

机器学习是人工智能的一个子领域，是实现人工智能的一种方法。深度学习是一种特殊的机器学习，是机器学习的子类。机器学习和深度学习都是人工智能的核心技术。

1.1.2深度学习的应用

典型的应用如下：

接近人类水平的图像分类

接近人类水平的语音识别

机器翻译

自动驾驶

推荐系统

1.1.3深度学习框架

1.深度学习框架

深度学习算法需要掌握C++和CUDA的专业知识，且每个研究者都要编写大量的基础代码，工作效率不高。为了提高工作效率研究者将这些代码写成了一个框架供大家一起使用。

讲解30分

提问5分

演示10分

1.2计算机视觉

1.2.1计算机视觉概述

1.计算机视觉的概念

2.计算机视觉的发展历程

1.2.2计算机视觉的用途

1.2.3计算机视觉任务

1.图像分类

2.目标检测

3.语义分割

4.目标跟踪

1.2.4计算机视觉在生活中的应用

1.无人零售店——淘咖啡

2.格灵深瞳的智能视频监控系统

3.Shelfie库存管理

讲解30分

提问5分

演示10分

《深度学习与计算机视觉》课程教案

授课题目

第2章环境、包的安装与使用

授课时数

4学时

授课时间

教学基本要求：

Anaconda的安装；

Pytorch（CPU和GPU版）的安装；

jupyternotebook的配置与修改；

常用工具包的安装。

教学重点：

GPU版Pytorch的安装，Jupyternotebook的配置与修改，使用pip和conda命令安装各种工具包，掌握离线工具包的安装方法。

教学难点：

GPU版Pytorch的安装，修改Jupyternotebook的默认浏览器和路径。

教学内容及过程（以下内容可打印或手工书写）

2.1安装Anaconda

（1）下载Anaconda

（2）安装Anaconda

（3）验证程序是否安装成功

Anaconda安装完成后我们可使用下面任一种方法来验证软件是否安装成功。

①“开始→Anaconda3（64-bit）→单击AnacondaPrompt”，在打开的AnacondaPrompt窗口中输入“condalist”，按回车后若显示已经安装的包名和版本号，表示安装成功。

②“开始→Anaconda3（64-bit）→AnacondaNavigator”，若可以成功启动AnacondaNavigator则说明安装成功

（4）查看版本信息

2.2Pytorch

2.2.1安装CPU版Pytorch

1.安装CPU版Pytorch

2.验证Pytorch是否安装成功

讲解30分

提问5分

演示10分

2.2.2安装GPU版的Pytorch

1.安装NVIDIA显卡驱动

2.安装CUDA

（1）安装CUDA前，先上网查询适合本机的CUDA版本，然后再下载安装。

（2）验证CUDA是否安装成功

打开AnacondaPrompt，在提示符下输入“nvcc-V”命令。若CUDA安装成功时，将显示Cuda的版本和相关信息，否则安装失败。

3.cuDNN下载及安装

4.验证cuDNN是否安装成功：

4.安装GPU版的Pytorch

讲解30分

提问5分

演示10分

2.3配置jupyternotebook

2.3.1生成配置文件

在AnacondaPrompt提示符下输入“jupyternotebook--generate-config”命令，执行上述代码后将在当前用户目录下生成配置文件“.jupyter\jupyter_notebook_config.py”。配置文件生成后，Windows用户可以使用文档编辑工具（如记事本）或IDE打开配置文件并对其进行编辑。

2.3.2修改Jupyternotebook的默认浏览器

使用jupyternotebook时，如果我们不设置浏览器，默认是启动自带的浏览器（如IE）。将Jupyter_notebook的默认浏览器修改为Chrome的方法。

2.3