案例库简介

本教学案例库依托“云南省专业学位研究生教学案例库项目”进行建设,同时依托本站课程《实用深度学习(Paddle)》开展教学。案例库的内容涉及深度学习基础、计算机视觉和自然语言处理的相关知识,可直接应用于高职、本科及研究生的日常教学。所有案例均为完整项目,既具有独立性,也具备体系性,可作为《深度学习》《计算机视觉》等人工智能应用技术课程的实训项目使用。由于大部分实训项目涉及GPU的使用,因此建议同学使用学校机房或百度AIStudio完成代码的撰写。此外,部分项目涉及到嵌入式系统开发的应用,需要使用树莓派完成开发和部署,有能力的同学也可以使用手机完成部署。

项目编号 项目名称 建议学时 所属章节 项目描述 相关资源
  • 001
  • 课程导学
  • 002
  • 第1章 前言
  • 003
  • [专题01] 面向深度学习的图像预处理
  • 004
  • [专题01] 面向深度学习的图像预处理
  • 005
  • 第3章 机器学习基础
  • MNIST
  • 006
  • 第5章 前馈神经网络
  • 007
  • 第5章 深度前馈神经网络
  • 008
  • 第6章 卷积神经网络
  • 009
  • 第6章 卷积神经网络
  • 010
  • 第6章 卷积神经网络
  • 011
  • 第7章 现代卷积神经网络
  • 012
  • 第7章 现代卷积神经网络
  • 013
  • [专题02] 迁移学习技术
  • 014
  • 第13章 计算机视觉
  • 015
  • 第13章 计算机视觉
  • 016
  • 第13章 计算机视觉
  • 017
  • 第5章 前馈神经网络
  • 018
  • 第13章 计算机视觉
  • 019
  • 第13章 计算机视觉
  • 020
  • 第13章 计算机视觉
  • 021
  • 第13章 计算机视觉
  • 022
  • 023
  • 第6章 卷积神经网络
  • 024
  • 第5章 深度前馈神经网络
  • 025
  • 第6章 卷积神经网络
  • 026
  • 第7章 现代卷积神经网络
  • 027
  • [专题02] 迁移学习技术
  • 028
  • 第13章 计算机视觉
  • 029
  • 第5章 深度前馈神经网络
  • 031
  • 第12章 优化算法
  • 030
  • 第15章 深度学习的工程应用
  • 032
  • 第13章 计算机视觉

课程实训

Event Type Date Description Course Materials
  • 实训一:项目化开发实践
  • Day01-02
  • 【实训目的】
  • 1. 熟练完整的基于卷积神经网络模型设计和代码编写
  • 2. 学会在vscode等IDE环境中进行项目化编程
  • 3. 学会选择合适且有用的项目进行工作
  • 【实训任务一】完成蝴蝶分类的项目化转换
  • 1. 完成形式:个人
  • 2. 完成蝴蝶分类从Notebook向IDE环境的转化。
  • Day03-04
  • 【实训任务二】题目自拟
  • 1. 完成形式:小组
  • 2. 以小组形式完成实训任务,但以个人为单位完成实训报告,要求注明自己的主要工作。
  • 3. 要求每个小组3人,组队要求强弱搭配,注意合理分配工作。
  • 4. 请工作量最少的同学准备完成最后的实训答辩。
  • 5. 尽量选择一个具有现实意义的任务,并且能将该任务持续和延申下去,为毕业设计和大学生竞赛做好准备。
  • 6. 数据来源:百度AIStudio、百度搜索引擎、Kaggle、阿里天池等
  • Day05
  • 【实训任务三】实训答辩
  • 1. 完成形式:小组
  • 2. 每个小组推选1人完成答辩
  • 3. 成绩评定:合格性评定+投票评优。其中合格性评定由教师给出,根据实训报告的情况进行评定,投票评优由学生互评给出,根据答辩情况进行评定。
  • + 合格性评定:完成+70分,优秀6组+20分,良好6组+10分,其余不加分;
  • + 投票评优:排名第一,额外+20分;排名第二,额外+15分;排名第三,额外+10分;排名第四,额外+5分。
  • 4. 数据来源:百度AIStudio、百度搜索引擎、Kaggle、阿里天池等
  • 实训二:嵌入式开发实践
  • Day06
  • 【实训目的】
  • 1. 理解面向嵌入式设备的神经网络的特点
  • 2. 基本学会如何基于PC的模型转换为基于嵌入式设备
  • 3. 学会树莓派4B+的基本操作方法
  • 4. 学会如何撰写毕业论文
  • 【实训任务】初识嵌入式
  • 1. 完成形式:个人
  • 2. 初步完成毕业论文的框架结构
  • 3. 初步接触树莓派
  • Day07-09
  • 【实训任务】题目自拟
  • 1. 完成形式:小组
  • 2. 以小组形式完成实训任务,每组3人,注意组队的合理性和配合性。
  • 3. 完成模型的树莓派移植
  • 4. 完成实训报告PPT
  • Day10
  • 【实训任务三】实训答辩
  • 1. 完成形式:小组
  • 2. 每个小组推选1人完成答辩
  • 3. 成绩评定:合格性评定+投票评优。其中合格性评定由教师给出,根据实训报告的情况进行评定,投票评优由学生互评给出,根据答辩情况进行评定。
  • + 合格性评定:完成+70分,优秀6组+20分,良好6组+10分,其余不加分;
  • + 投票评优:排名第一,额外+20分;排名第二,额外+15分;排名第三,额外+10分;排名第四,额外+5分。
  • 4. 数据来源:百度AIStudio、百度搜索引擎、Kaggle、阿里天池等