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。