中国科大深度学习实践指南:课程大纲、实践与评分详解
深度学习课程指导手册1是中国科学技术大学软件学院针对2019年秋季开设的一门实践性课程,主要聚焦于深度学习的实际应用。课程分为理论介绍和实践操作两部分。 1. **课程大纲**: - 深度学习基础知识:涵盖神经网络的基本概念、反向传播算法、激活函数等核心原理。 - 应用场景:讲解深度学习在端侧(如嵌入式设备)和云侧(如云计算平台)的具体应用实例。 - 模型特性分析:探讨不同深度学习网络模型的特点和适用场景。 - 训练方法:介绍深度学习模型的训练策略、优化器选择和调参技巧。 - 应用案例剖析:深入解析实际案例,帮助学生理解深度学习在解决复杂问题中的作用。 - 实践应用:引导学生在CPU/GPU/FPGA/ASIC平台上进行深度学习项目的实施。 2. **课程时间和地点**: - 时间安排在12-19周的周四下午(6、7、8节)和周五上午(4、5节),具体在明德楼C240教室。 3. **实践环节** - 实践题目:以“电梯内的电动车识别”为主题,学生需利用提供的500张标注样例数据集进行模型训练。 - 数据集: - 标签类别:包含emotor、bicycle、person等8类物体,强调多样性和角度的捕捉,如婴儿车(含轮椅)、包、手提袋等。 - 数据采集:学生可在助教提供的模拟环境中收集图片,并自行标注,或者通过网络获取数据进行标注,目标是移植到1H8嵌入式平台。 4. **实践要求**: - 模型选择:模型设计自由,但最终需要在1H8平台上运行,评分依据此结果。 - 平台移植:强调项目最终要在嵌入式环境中实现,确保实际应用能力。 5. **课程评估**: - 答辩环节:学生需要准备PPT展示自己的研究成果,对实践过程进行汇报。 - 评分标准:除了模型性能,还包括项目报告的质量、代码规范、以及实际应用中的问题解决能力。 总结来说,这门课程不仅教授深度学习理论,还注重将理论知识转化为实际操作技能,通过实践项目让学生掌握深度学习在实际场景中的应用,并培养他们的项目管理和团队协作能力。
下载后可阅读完整内容,剩余9页未读,立即下载
- 粉丝: 35
- 资源: 340
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦