資源簡介

(共17張PPT)
第2單元 機器能識別
第3節 用深度學習實現圖像分類
八年級 下冊
主要內容
知識探究
/01
/02
習題測試
/03
小節回顧
/04
作業布置
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
項目子任務
學習圖像分類任務的數據集制作，來為“昆蟲的識別”作知識儲備。
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
探究內容與要求
（1）方法引導：遵循“概念→結構→原理→......”認知規律
（2）主要內容：
①如何制作圖像數據集？——ImageNet格式
②如何對圖像分類模型進行訓練？——MMEdu圖像訓練
③如何應用圖像分類模型？——XEduHub推理ONNX模型
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
知識習得
（1）自主閱讀：以書本P55-57為主，網絡知識作補充
（2）知識梳理：
①豐富的數據集意味著圖片要考慮光照、拍攝角度、背景等條件的變化，采集多樣化的圖片。應用場景為校園農場時，就不能用在教室的圖片，而是應該在校園農場采集圖片。
②ImageNet數據集包括訓練集、驗證集和測試集。
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
知識習得
（1）自主閱讀：以書本P57-60為主，網絡知識作補充
（2）知識梳理：
①不同的SOTA模型適合解決不同的問題，MobileNet適合在移動終端上部署。
②訓練后出現的accuracy_top-1表示模型在驗證集上驗證得到的準確率。
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
知識習得
（1）自主閱讀：以書本P60-64為主，網絡知識作補充
（2）知識梳理：
①在MMEdu中使用convert函數可以實現將pth格式模型轉換為ONNX格式模型。
②Gradio可以用于設計和部署機器學習模型的交互式界面。
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（1）學會分析：以“昆蟲的識別”為例，如何選擇合適的昆蟲種類，如何采集圖像，如何選擇模型，如何搭建人工智能應用？
輔助分析支架：要實現“昆蟲的識別”，需要了解數據集格式、模型的優劣、模型轉換、模型推理和人工智能應用搭建。
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（2）學會解釋：如何用python代碼實現MMEdu圖像分類模型訓練？
輔助分析支架：
① 編寫基本訓練代碼：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
model.num_classes = 3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold = ‘./my_model’
model.train(epochs=10,validate=True)
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（2）學會解釋：如何用python代碼實現MMEdu圖像分類模型訓練？
輔助分析支架：
② 基于訓練過的模型，繼續訓練的參考代碼：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
model.num_classes = 3
model.load_dataset(path=‘./dataset/insect’)
model.save_fold = ‘./my_model’
checkpoint = ‘./latest.pth’ # 要求模型使用同一種SOTA模型
model.train(epochs=10,validate=True,checkpoint=checkpoint)
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（2）學會解釋：如何用python代碼實現MMEdu圖像分類模型訓練？
輔助分析支架：
③ 模型轉換為ONNX格式。代碼如下：
from MMEdu import MMClassification as cls
model = cls(backbone=‘LeNet’)
checkpoint = ‘./my_model/latest.pth’)
out_file =‘./my_model/best.onnx’
model.convert(checkpoint=checkpoint,out_file=out_file)
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（3）學會求證：用模型推理驗證模型效果！
——教師引領學會求證：用python編程，實現圖像分類推理。
①求證技能：用python中的XEduHub，實現推理。代碼如下：
②求證活動：用Gradio編寫代碼搭建人工智能應用。
from XEdu.hub import Workflow as wf
mm = wf(task=’mmedu’,checkpoint=’./my_model/best.onnx’
image = ‘./resources/test.jpg’
res,img = mm.inference(data=image,img_type=’cv2’)
result = mm.format_output(lang=’zh’)
mm.show(img)
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
知識探究
核心素養培育
（4）對學科方法、工具或作品進行評價反思
①XEduHub庫和Gradio庫幫我們解決了什么問題？
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
習題測試
1. 以下哪種不是常見的圖像分類 SOTA 模型？（ ）
A. LeNet B. MobileNet C. ResNet18 D. BaseNN
參考答案：D
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
習題測試
2. ImageNet 格式數據集一般包含______、______、______三個文件夾。
參考答案：training_set、val_set、test_set
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
小結回顧
請同學按照下列提示進行總結回顧：
1.學到了哪些知識與技能？
2.提升了哪些方面的能力？
3.生成了怎樣的觀點？
01 準備過程
02 整體結構
03 重點說明
04 名詞解釋
作業布置
1.項目實施作業
請各小組對項目探究的階段成果進行整理并提交，整理內容：
（1）項目方案與小組分工表
（2）系統應用使用說明
（3）Python代碼實現人工智能應用
2.課后挑戰作業（書本P64的“挑戰”部分）

展開更多......

收起↑