- 1、本文档共2页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
课题名称
第3课用深度学习实现图像分类
课时目标
1.知道图像数据集,能够说出数据集准备流程。
2.知道图像分类模型,能够说出SOTA模型的名称。
3.知道图像分类应用,能够用XEduHub实现应用编写。
教学准备
网络计算机、XEdu软件、浏览器
导学过程
意图说明
知识探究
1.项目子问题或任务引入
——学习图像分类任务的数据集制作,来为“昆虫的识别”作知识储备。
2.探究内容与要求
(1)方法引领:遵循“概念→结构→原理→......”认知规律
(2)主要内容:
①如何制作图像数据集?——ImageNet格式
②如何对图像分类模型进行训练?——MMEdu图像训练
③如何应用图像分类模型?——XEduHub推理ONNX模型
3.知识习得
(1)自主阅读:以书本P55-57为主,网络知识作补充
(2)知识梳理:
①丰富的数据集意味着图片要考虑光照、拍摄角度、背景等条件的变化,采集多样化的图片。应用场景为校园农场时,就不能用在教室的图片,而是应该在校园农场采集图片。
②ImageNet数据集包括训练集、验证集和测试集。
4.知识习得
(1)自主阅读:以书本P57-60为主,网络知识作补充
(2)知识梳理:
①不同的SOTA模型适合解决不同的问题,MobileNet适合在移动终端上部署。
②训练后出现的accuracy_top-1表示模型在验证集上验证得到的准确率。
5.知识习得
(1)自主阅读:以书本P60-64为主,网络知识作补充
(2)知识梳理:
①在MMEdu中使用convert函数可以实现将pth格式模型转换为ONNX格式模型。
②Gradio可以用于设计和部署机器学习模型的交互式界面。
6.核心素养培育
(1)学会分析:以“昆虫的识别”为例,如何选择合适的昆虫种类,如何采集图像,如何选择模型,如何搭建人工智能应用?
辅助分析支架:要实现“昆虫的识别”,需要了解数据集格式、模型的优劣、模型转换、模型推理和人工智能应用搭建。
(2)学会解释:如何用python代码实现MMEdu图像分类模型训练?
辅助分析支架:
编写基本训练代码:
fromMMEduimportMMClassificationascls
model=cls(backbone=‘LeNet’)
model.num_classes=3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold=‘./my_model’
model.train(epochs=10,validate=True)
基于训练过的模型,继续训练的参考代码:
fromMMEduimportMMClassificationascls
model=cls(backbone=‘LeNet’)
model.num_classes=3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold=‘./my_model’
checkpoint=‘./latest.pth’#要求模型使用同一种SOTA模型
model.train(epochs=10,validate=True,checkpoint=checkpoint)
模型转换为ONNX格式。代码如下:
fromMMEduimportMMClassificationascls
model=cls(backbone=‘LeNet’)
checkpoint=‘./my_model/latest.pth’)
out_file=‘./my_model/best.onnx’
model.convert(checkpoint=checkpoint,out_file=out_file)
(3)学会求证:用模型推理验证模型效果!
——教师引领学会求证:用python编程,实现图像分类推理。
①求证技能:用python中的XEduHub,实现推理。代码如下:
fromXEdu.hubimportWorkflowaswf
mm=wf(task=’mmedu’,checkpoint=’./my_model/best.onnx’
image=‘./resources/test.jpg’
res,img=mm.inference(data=image,img_type=’cv2’)
result=mm.format_output(lang=’zh’)
mm.show(img)
②求证活动:用Gradio编写代码搭建人工智能应用。
(4)对学科方法、工具或作品进行评价反思
①XEduHub库和Gradio库帮我们解决了什么问题?
习题测试
1.以下哪
您可能关注的文档
- 清华大学版(2024)(青海)八下信息科技 第1单元 第1课 人工智能的起源与发展 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第1课 人工智能的起源与发展 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第2课 认识机器学习 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第2课 认识机器学习 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第3课 用机器学习解决问题 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第3课 用机器学习解决问题 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第4课 跨学科活动:身高推断 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第1单元 第4课 跨学科活动:身高推断 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第2单元 第1课 神经网络与深度学习 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第2单元 第1课 神经网络与深度学习 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第2单元 第3课 用深度学习实现图像分类 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第2单元 第4课 跨学科活动:昆虫的识别 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第2单元 第4课 跨学科活动:昆虫的识别 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第1课 人工智能生成内容 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第1课 人工智能生成内容 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第2课 图像生成模型 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第2课 图像生成模型 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第3课 文本与图像的多模态模型 教学设计.docx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第3课 文本与图像的多模态模型 课件.pptx
- 清华大学版(2024)(青海)八下信息科技 第3单元 第4课 跨学科活动:制作家乡传统文化主题明信片 教学设计.docx
文档评论(0)