Keras与深度学习实战-教学大纲

《与深度学习实战》教学大纲Keras课程名称Keras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48学时（其中理论30学时,实验18学时）总学分

3.0学分

一、课程的性质本课程是大数据和人工智能相关专业的选修课本书通过理论与实践相结合的方式引领大家进入深度学习技术的大门，深入浅出地介绍使用Keras进行深度学习的重要内容，包括Keras深度学习通用流程和利用Keras实现经典的神经网络，帮助大家扎实地掌握深度神经网络开发所需要的基本理论知识和核心开发技术，为同学们将来继续深入学习人工智能打下坚实的基础

二、课程的任务掌握一种深度学习编程框架，能在该框架下进行数据加载与预处理，构建网络，训练网络，性能评估等理解卷积神经网络的基本原理，能够设计并编程实现卷积神经网络解决一些实际问题理解循环神经网络的基本原理，能够设计并编程实现循环神经网络处理自然语言理解中的一些问题理解生成对抗网络的基本原理，能够设计并编程实现生成对抗网络自动生成目标样本掌握综合利用Keras进行神经网络程序设计

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22第2章Keras深度学习通用流程1043第3章Keras深度学习基础1064第4章基于RetinaNet的目标检测225第5章基于LSTM的唐诗生成226第6章基于GAN的图像风格转换22第7章基于TipDM数据挖掘建模平722台实现唐诗生成总计3018

四、教学内容及学时安排理论教学

1.序章节名称主要内容教学目标学时号

1.了解深度学习的基本定

1.深度学习的基本定义和常见应义、常见应用、与其他领域的用关系1深度学习概述

2.深度学习与其他领域的关系

2.熟悉深度学习框架Keras2的常见接口、特性

3.深度学习框架Keras的常见接口、特性和安装方法

3.掌握深度学习框架Keras的安装方法

1.Keras数据加载与预处理

1.掌握Keras下进行数据加Keras深度学习通

2.Keras构建网络载与预处理214用流程

3.Keras训练网络

2.构建网络，训练网络，性

4.Keras性能评估能评估等

1.掌握卷积神经网络中的常用网络层的基本原理与实现方法，能够设计并编程实现卷积神经网络解决一些实际问题

1.卷积神经网络

2.掌握循环神经网络中的常Keras深度学习基

2.循环神经网络316用网络层的基本原理与实现方础

3.生成对抗网络法

3.掌握生成对抗网络中的常用网络层的基本原理与实现方法

1.了解目标检测的背景、基

1.目标检测的背景、基本概念和原本概念和原理基于RetinaNet的理

2.熟悉使用RetinaNet网络44目标检测

2.RetinaNet网络的构建、训练和测进行目标检测的总体流程试方法

3.掌握RetinaNet网络的构建、训练和测试方法

1.文本生成的概念

1.了解文本生成的概念基于LSTM的唐

2.文本预处理的方法

2.熟悉文本预处理的方法54诗生成

3.LSTM的构建方法

3.掌握LSTM网络的搭建

1.了解图像风格转换的背景

1.图像风格转换的应用背景

2.熟悉CycleGAN的网络结

2.CycleGAN的网络结构与搭建步基于GAN的图构与搭建步骤骤64像风格转换

3.掌握CycleGAN网络的构

3.CycleGAN网络的构建方法和训建方法和训练方法练方法

1.了解TipDM大数据挖掘建模平台的相关概念和特点

1.TipDM大数据挖掘建模平台的相

2.熟悉使用TipDM大数据关概念和特点挖掘建模平台配置语音识别任

2.TipDM大数据挖掘建模平台获取务的总体流程基于TipDM数据数据的方法

3.掌握使用TipDM大数据7挖掘建模平台实

43.TipDM大数据挖掘建模平台进行挖掘建模平台获取数据、文件现唐诗生成文件解压、数据集划分、特征提取、解压、数据集划分、特征提取、数据标准化、训练模型、调用模型数据标准化、训练模型、调用进行分类等操作的方法模型进行分类等操作的方法学时合计

48.实验教学2序号实验项目名称实验要求学时Keras数据加载与

1.掌握Keras图像数据加载的方法12预处理

2.掌握Keras图像数据增强的方法

1.掌握Keras构建网络的方法，理解不同的激活函数

2.掌握Keras进行训练的方法，掌握各种优化器和损失函数Keras网络构建与2的特点.2训练

3.掌握利用Keras评估神经网络性能的方法

4.掌握利用Keras保存与加载神经网络模型的方法

1.掌握Keras构建卷积神经网络的主要步骤3卷积神经网络

22.理解卷积操作

3.掌握使用预训练好的ResNet对自己的数据再次进行训练的方法

4.掌握函数式建立Keras模型的方法

1.理解Embedding层的用法,掌握利用Embedding层对单词进行向量化4循环神经网络

22.掌握利用神经网络进行文本分类的方法

3.理解循环神经网络RNN和LSTM的基本原理

4.掌握利用循环神经网络进行文本分类的方法

1.理解生成对抗网络的基本原理

2.掌握利用生成对抗网络生成新样本的方法5生成对抗网络

23.理解条件生成对抗网络的基本原理

4.掌握利用条件生成对抗网络生成新样本的方法

1.理解目标检测的原理2,掌握预处理图像、编码数据集、设置数据集管道的方法

3.理解RetinaNet的网络结构基于RetinaNet

624.掌握RetinaNet的网络的构建和训练方法的目标检测

5.掌握加载模型测试点、定义解码与非极大抑制类的方法

1.理解文本生成的原理基于LSTM的2,掌握标识文本结束点、去除低频字词和文本编码化的方法72唐诗生成

3.掌握构建和训练LSTM,并查看阶段性学习结果的方法

1.理解图像风格转换的原理基于GAN的图像

2.理解CycleGAN的网络结构82风格转换

3.掌握构建和训练CycleGAN网络的方法

1.理解使用TipDM大数据挖掘建模平台配置语音识别任务的基于TipDM数据总体流程9挖掘建模平台实

2.掌握使用TipDM大数据挖掘建模平台获取数据、文件解压、2现唐诗生成数据集划分、特征提取、数据标准化、训练模型、调用模型进行分类等操作的方法学时合计18

五、考核方式突出学生解决实际问题的能力，加强过程性考核课程考核的成绩构成=平时作业（20%）+课堂参与（10%）+期中考试（10%）+期末考核（60%）,期末考试建议采用开卷形式，试题应覆盖课程主要内容，题型可采用判断题、选择、简答、应用题等方式

六、教材与参考资料L教材

[1]黄可坤,张良均,Keras与深度学习实战[M].北京人民邮电出版社,

2023.

2.参考书目

[1]陈屹,神经网络与深度学习实战Python+Keras+TensorFlow[M],北京机械工业出版社,

2019.

[2]邱锡鹏，神经网络与深度学习[M].北京机械工业出版社，

2020.

[3]吴岸城.神经网络与深度学习[M].北京电子工业出版社，

2016.

3.参考教学视频

[1]超星学艮在线，https:〃。