智科专业《深度学习综合课程设计》实践课程作品展
随着深度学习技术的不断发展，其在各个领域的应用也越来越广泛。为了更好地满足社会对人才的需求，提高学生的实践能力和创新能力，我们决定对《深度学习综合课程设计》进行实践课程改革。
一、课程目标
1. 帮助学生掌握深度学习的基本理论和应用技术；
2. 培养学生的实践能力和创新思维；
3. 提高学生的团队协作和沟通能力；
4. 帮助学生了解深度学习在实际应用中的问题和挑战。
二、课程内容
1. 深度学习基础理论：介绍深度学习的基本概念、原理和算法；
2. 深度学习框架：介绍常用的深度学习框架，如PaddlePaddle、PyTorch等；
3. 深度学习应用案例：通过实际案例分析，让学生了解深度学习在图像识别、自然语言处理、等领域的应用；
4. 深度学习项目实践：让学生自主设计并实现一个深度学习项目，提高学生的实践能力和创新能力；
5. 团队协作与沟通：通过团队合作完成一个深度学习项目，提高学生的团队协作和沟通能力。
三、课程教学方法
1. 课堂讲授：通过讲解深度学习的基础理论和应用案例，帮助学生掌握相关知识；
2. 实验演示：通过实验演示，让学生亲身体验深度学习的实现过程；
3. 项目实践：通过给学生一个深度学习项目让学生独立完成，提高学生的实践能力和创新能力；
4. 团队协作与沟通：通过团队合作完成一个深度学习项目，提高学生的团队协作和沟通能力。
四、课程评价方式
1. 平时表现：包括课堂表现、作业完成情况等；
2. 实验报告：要求学生撰写实验报告，展示实验设计和实验结果；
3. 项目成果：要求学生提交项目的成果报告，展示项目的实现效果和创新点；
4. 团队协作与沟通能力：通过团队合作完成一个深度学习项目，考察学生的团队协作和沟通能力。
五、课程改革方案
1. 加强实践教学：增加实验演示和项目实践环节，让学生亲身体验深度学习的实现过程，提高学生的实践能力和创新能力。
2. 引入案例分析：通过实际案例分析，让学生了解深度学习在不同领域的应用，加深学生对深度学习的理解和认识。
3. 强化团队协作：通过团队合作完成一个深度学习项目，培养学生的团队协作和沟通能力，提高学生的综合素质。
4. 引入竞赛活动：组织学生参加深度学习相关的竞赛活动，激发学生的学习兴趣和竞争意识，提高学生的实践能力和创新能力。
本课程共分四个阶段
第一阶段，基础篇：
1）掌握深度学习常用python库
Numpy, Pandas, Matplotlib, PIL 等
2）机器学习回顾
波士顿房价预测实例
房价以及其影响因素散点分布图
第二阶段，进阶篇
手写数字识别
1）准备数据
下载并查看MNIST数据集的内容及结构
2）搭建神经网络
---------------------------------------------------------------------------
Layer (type) Input Shape Output Shape Param #
========================================================
Conv2D-1 [[1, 1, 32, 32]] [1, 6, 32, 32] 156
MaxPool2D-1 [[1, 6, 32, 32]] [1, 6, 16, 16] 0
Conv2D-2 [[1, 6, 16, 16]] [1, 16, 16, 16] 880
MaxPool2D-2 [[1, 16, 16, 16]] [1, 16, 8, 8] 0
Conv2D-3 [[1, 16, 8, 8]] [1, 32, 8, 8] 4,640
Conv2D-4 [[1, 6, 16, 16]] [1, 32, 16, 16] 224
MaxPool2D-4 [[1, 32, 16, 16]] [1, 32, 8, 8] 0
Conv2D-5 [[1, 32, 8, 8]] [1, 64, 8, 8] 18,496
Conv2D-6 [[1, 64, 8, 8]] [1, 128, 8, 8] 73,856
AdaptiveAvgPool2D-1 [[1, 128, 8, 8]] [1, 128, 1, 1] 0
Flatten-1 [[1, 128, 1, 1]] [1, 128] 0
Linear-1 [[1, 128]] [1, 128] 16,512
Dropout-1 [[1, 128]] [1, 128] 0
Linear-2 [[1, 128]] [1, 10] 1,290
===========================================================
Total params: 116,054 Trainable params: 116,054
-------------------------------------------------------------------------------
3）参数设置及模型训练
4）模型验证
第三阶段 提高篇
场景分类：作品展
第一组. 组员：曾朝林 张庆林 贺军儒 蒋麒麟 何大山
项目要求：分析数据，独立构造数据集，自主构造网络模型，设置参数进行训练
项目目标：分别训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss:0.315 acc:0.812 下图为单图测试效果：
第二组. 组员：王星，王镜，周青丽，朱萍，刘嘉伟
项目要求：分析数据，独立构造数据集，自主构造网络模型，设置超参数进行训练
项目目标：利用构造的数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.233 acc: 0.825. 下图为单图测试效果：
第三组. 组员：叶双宾，米文杰，刘航，苟俊园，陈柯东
项目要求：分析数据，独立构造数据集，自主构造网络模型，设置超参数进行训练
项目目标：利用构造的数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.408 acc: 0.794 下图为单图测试效果：
第四组. 组员: 李家豪，王新，孙玙，何军洪，杜家良
项目要求：分析数据，构造数据集，自主构造网络模型，设置超参数进行训练
项目目标：利用构造的数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.513 acc: 0.783 下图为单图测试效果：
第五组. 组员: 张明奕 刘小毅 林锐 潘思怡 崔思雨
项目要求：分析原始数据，构造自己的数据集，设计网络模型，设置超参数并训练模型
项目目标：利用构造的数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.496 acc: 0.759 下图为单图测试效果：
第六组. 组员: 孙志远 江淏云 吴凌枫 黎家成 林鸿
项目要求：分析原始数据，自主构造数据集，设计网络模型，设置超参数进行训练
项目目标：利用数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.425 acc: 0.768 下图为单图测试效果：
第七组. 组员：段添荣 余龙宇 张扬钵 高铭 宁旭
项目要求：分析原始数据，构造数据集，设计网络模型，设置超参数进行训练
项目目标：利用数据集训练自己的模型，获得top1预测结果及验证集上loss大小
最终结果：loss: 0.2415, acc: 0.822 下图为单图测试效果：
第四阶段 进阶篇
图像分类练习赛：
https://aistudio.baidu.com/aistudio/competition/detail/136/0/task-definition
学生参赛得分：
