深度学习应用开发-TensorFlow实践教学大纲

2024年2月5日发(作者：)

深度学习应用开发-TensorFlow实践教学大纲

课程概述

不干涩地讲深层次理论和算法，也不是纯粹介绍TensorFlow的编程。而是针对大多数潜在学员的特点（有基本的编程能力，对开发人工智能应用感兴趣，学过一些基本概率统计和线性代数，但谈不上有深厚的数学功底和人工智能理论基础），通过针对典型的人工智能应用场景，设计系列针对性案例来引导学习过程。主要案例包括价格预测、手写数字识别、图像识别、文本情感分析（自然语言处理，NLP）、图像自动生成等，在案例讲解过程中深入浅出地介绍相关理论，并会从中讲解TensorBoard可视化、模型的断点续训等实用技巧。

本课程将主要内容根据学习阶段分为四部分：筑基篇、启航篇、进阶篇和扩展篇。筑基篇包括人工智能简介、开发环境搭建和Python开发语言快速入门、TensorFlow编程基础等三讲内容；启航篇从单个神经元的线性回归应用开始，直到完成多层神经网络应用开发，共有四讲内容；进阶篇主要围绕深度网络，从卷积神经网络CNN开始，历经循环神经网络RNN、生成对抗网络GAN等应用开发，涵括迁移学习等内容；扩展篇则包括Keras框架、、TensorFlow Lite移动应用开发等高级话题。

授课目标

本课程将全面介绍基于TensorFlow深度学习框架的人工智能应用开发技术。课程不仅会讲解机器学习的基础理论和主流的模型及算法（包括线性回归、神经网络、卷积神经网络、循环神经网络、生成对抗网络等），而且会重点讲解如何基于TensorFlow框架，针对不同的应用场景进行深度学习模型的选择、构建和应用。让学习者能快速具备人工智能问题求解的基本思想和初步的人工智能应用软件开发能力。

课程大纲

课程导学

开篇语

课程安排

第一讲 人工智能导论

人工智能 未来已来？

人工智能 未来已来！

人工智能发展史 跌宕起伏的60+年

第二讲 深度学习简介及开发环境搭建

人工智能、机器学习与深度学习

深度神经网路与深度学习框架

Anaconda和TensorFlow开发环境搭建

第三讲（根据基础选修） 工欲善其事必先利其器：简明Python基础

引言、输出语句Print、变量、数据类型和基本运算

字符串、列表、元组、集合、字典、格式化输出和类型转换

程序结构与控制语句

测试1：Python基础测试

作业1：Python小作业 小说词频统计

第四讲 磨刀不误砍柴工：TensorFlow 编程基础

（新）TensorFlow 2.0 编程基础

TensorFlow的基础概念

TensorFlow的基本运算

TensorBoard可视化初步

测试2：Tensorflow编程基础单元测试

第五讲 单变量线性回归：TesnsorFlow实战

（新）线性回归问题：TensorFlow 2 实践

监督式机器学习的基本术语

线性回归问题TensorFlow实战：初步

线性回归问题TensorFlow实战：进阶

作业2：通过生成人工数据集合，基于TensorFlow实现y=3.1234*x+2.98线性回归

第六讲 多元线性回归：波士顿房价预测问题TesnsorFlow实战

（新）波士顿房价预测问题：TensorFlow 2 实践

波士顿房价预测：数据与问题分析

机器学习中的线性代数基础（根据基础选修）

第一个版本的模型构建

后续版本的持续改进

作业3：波士顿房价预测线性回归实践

第七讲 MNIST手写数字识别：分类应用入门

MNIST手写数字识别数据解读

分类模型构建与训练

作业4：MNIST手写数字识别问题的神经元模型实践

（新）MNIST手写数字识别：TensorFlow 2.0 实践

第八讲 MNIST手写数字识别进阶：多层神经网络与应用

（新）MNIST手写数字识别进阶：TensorFlow 2.0实现

单隐藏层神经网络构建与应用

多层神经网络建模与模型的保存还原

TensorBoard进阶与TensorFlow游乐场

作业5：MNIST手写数字识别问题的多层神经网络模型实践

第九讲 泰坦尼克号旅客生存预测：Keras应用实践

泰坦尼克号旅客生存预测案例分析与数据处理

Keras建模与应用

Keras模型训练过程中数据存储与模型恢复

第十讲 图像识别问题：卷积神经网络与应用

（新）CIFAR10图像分类:TensorFlow2实现

从全连接神经网络到卷积神经网络：解决参数太多的问题

卷积神经网络的基本结构

TensorFlow对卷积神经网络的支持

CIFAR-10图像分类案例的TensorFlow卷积神经网络实现

作业6：CIFAR10案例卷积神经网络实践

第十一讲 Deep Dream：理解深度神经网络结构及应用

Deep Dream：计算机生成梦幻图像

经典深度神经网络与数据增强

Inception模型文件导入与卷积层分析

Deep Dream图像生成

作业7：Deep Dream图像生成的实践

（新）Deep Dream图像生成：TensorFlow2实现

第十二讲 电影评论情感分析：自然语言处理应用实践

电影评论情感分析案例与IMDB数据集

自然语言处理基础

电影评论情感分析数据处理及建模

循环神经网络及其应用

第十三讲 猫狗大战：迁移学习及应用

TFRecord文件与应用

猫狗大战案例介绍

t数据集

基于VGG16的迁移学习模型构建与应用

第十七讲（终章 提前发布）课程大作业

课程大作业

往期学员作品展示

课程大作业

第十四讲（高阶选修） 生成式对抗网络原理及Tensorflow实现

生成式对抗网络（GAN）的简介

利用GAN生成Fashion-MNIST图像

利用CGAN生成Fashion-MNIST图像

第十五讲（高阶选修） 鸢尾花品种识别：应用开发

介绍和第一个web程序

IDE和第一个程序

的核心概念和API介绍

鸢尾花分类案例构建

第十六讲（高阶选修） 花卉识别App：TensorFlow Lite与移动应用开发

TensorFlow Lite介绍和优势特点

花卉识别：TFLite模型重训练和模型转换

花卉识别：安卓App运行TFLite

预备知识

有基本的编程能力，学过一些基本概率统计和线性代数

不需要有深厚的数学功底和人工智能理论基础

参考资料

吴明晖、李卓蓉、金苍宏，深度学习应用开发 - 基于TensorFlow的实践，高等教育出版社（待出版）