初識AI深度學習

主講人：劉正云

劉正云

曾任浙江省溫州中學、溫州實驗中學創客空間及南通大學附屬中學創客指導師；國內知名開源創課資源“Arduino創意機器人”“Arduino機器人設計與制作”及“全國中小學創客教育發展報告2018”的核心作者；教科版高中信息技術教材選修模塊核心編委，其配套教師用書副主編。

教學背景

隨著科技不斷發展，人工智能（AI）和深度學習技術逐漸滲透到我們生活的方方面面。對學生而言，了解并掌握這些新一代科技的基本原理，將為他們未來的學習和職業生涯打下堅實的基礎。本案例將引導學生深入理解AI和深度學習的概念，激發他們對圖像分類模型訓練領域的應用思考。

教學目標

知識與技能 1.理解AI及深度學習的基本概念，包括圖像分類模型訓練的關鍵要素。2.識別和理解超參數在深度學習中的作用。

過程與方法 1.了解AI解決實際問題的一般流程，形成對實際應用過程的認知。2.通過“玉兔闖關”游戲體驗圖像分類模型訓練的全過程。

情感態度與價值觀 通過有趣的引入視頻，激發學生對AI學習的好奇心，形成積極向學的態度。

教學準備

計算平臺 本案例主要使用浦育平臺進行深度學習模型的訓練，學生可以在這個平臺上進行項目克隆、代碼改寫、模型訓練和結果展示。

圖像數據集 在圖像分類的實踐中，需要準備一個圖像數據集用于模型的訓練。可以使用公開的圖像數據集，如MNIST（手寫數字圖像數據集），也可以自行采集、整理圖像數據，以便更貼近實際應用場景，本案例提供剪刀石頭布的數據集直接供學生使用，數據集截圖如圖1所示。

行空板、攝像頭與Yeelight燈泡 行空板是一款擁有自主知識產權的國產教學應用開源硬件，采用微型計算機架構，集成LCD彩屏、Wi-Fi藍牙、多種常用傳感器和豐富的拓展接口。同時，其自帶Linux操作系統和Python環境，還預裝了常用的Python庫，讓廣大師生只需兩步就能開始Python教與學。（如圖2所示）

本案例使用的攝像頭（如圖3所示）是插入USB端口就能使其工作起來的免驅攝像頭，30W像素，640×480分辨率，即插即用，兼容樹莓派和英偉達Jetson Nano系列主板，可嵌入各類設備，用于人臉識別、圖像識別、安防、遠程教學等項目之中。

案例中使用的燈泡是結合全色溫全色域LED照明和藍牙4.0無線通信技術，實現了即聯即用功能，無需額外網關和配件的Yeelight燈泡（如圖4所示）。既可以通過手機上的藍牙功能連接到燈泡，實現對燈泡的顏色、亮度的控制，也可以通過編寫程序對燈泡開關、亮度等實現控制。

教學過程

一、課堂引入：解鎖AI的魔法之門

教師播放小短片“AI嚇兔機——兔子挖到程序猿家后的故事”，將學生帶入一個充滿趣味和挑戰的場景，并簡要介紹故事中涉及的AI技術，激發學生對AI的好奇心。

師：AI嚇兔機制作流程有哪些？

學生1：制作AI嚇兔機需要收集不同的兔子圖片，制作成兔子數據集。

學生2：需要把AI模型部署在可移動的應用端，便于操作。

若學生能夠完整回答出制作AI嚇兔機的一個基本流程，教師則繼續展示出常見的數據集（MNIST數據集、MSCOCO數據集、ImageNet數據集）、模型轉換與部署的實際案例（智能門禁、微笑機器人、頸椎放松、沙發守護者、傳情達意機器人、顏值測試儀、游戲助手、智能停車系統）以及深度學習的模型訓練與推理的一般過程。

通過有趣的視頻創設生活情境，激發學生學習欲望。引導學生了解AI解決實際生活問題的一般流程有：1.收集數據并標注，做成數據集；2.訓練AI模型，讓AI能夠有效識別；3.部署AI應用（樹莓派、藍牙音響）。

二、模型訓練初體驗：AI的魔法實踐之旅

教師準備了一個有趣的小游戲，可以讓學生體驗AI模型訓練到模型應用的全過程，并設置了錦囊妙計——“玉兔闖關”的視頻（教師示范操作如何玩好這個游戲）。

學生打開浦育平臺中的“玉兔闖關”項目文件，訓練自己的AI模型，測試游戲并實踐。

師：如果在游戲過程中遇到了困難，請打開錦囊妙計文字版提示去尋找答案。注意在游戲過程中思考以下問題：1.你的訓練對象是什么？2.如何提高訓練準確性？3.用整個身體作為訓練對象和用手勢作為訓練對象，誰的準確率高？

學生分成若干小組完成游戲，小組成員一人實踐、一人記錄、一人攻略錦囊。

通過“玉兔闖關”游戲，學生將在游戲情境中體驗數據輸入、模型訓練和模型應用的全過程，將抽象的概念轉化為具體的操作。教師在游戲過程中積極引導學生思考，例如，為什么需要這樣的數據輸入？模型是如何訓練的？最后的應用是否符合預期？同時，教師在這個環節中引出圖像分類的概念。

三、模型訓練再探究：AI的奧秘揭曉

教師介紹MMEdu的圖像分類模塊，重點解釋其各個功能的作用和操作方法；展示模型訓練的基本程序，包括圖片分類的類別數量（model.num_classes），模型保存的路徑（model.save_fold）和數據集的路徑（model.load_dataset）。模型保存的路徑需自己設計。參考程序如下所示。

from MMEdu import MMClassification as cls # 導入庫

model=cls（backbone='LeNet'） # 實例化模型

model.num_classes=3 #指定類別數目，石頭剪刀布的類別是3

model.save_fold='checkpoints/my_model/hand20231207' # 指定保存路徑

model.load_dataset（path='/data/TCWCV5/hand_RGB'） # 指定訓練集路徑

model.train（epochs=10， lr=0.01， validate=True）? # 開始訓練

學生在實際操作中調整epochs（訓練輪數）和lr（學習率）等超參數，觀察模型訓練過程中的變化。教師鼓勵學生分別改進epochs和lr，查看模型準確率，并填寫以下記錄單和表格。

記錄單

1.通過實驗，我訓練了_______個模型，其中，我根據______數值的大小，來判斷模型的好壞。

2.我在訓練過程中，調整了（? ）和（? ）的數值，讓準確率達到（? ）%。

在模型訓練的設計與實踐中，教師提出三種可選方案。方案一：通過調整模型的學習率（lr）和訓練輪數（epochs）來優化訓練模型的效果；方案二：通過在訓練數據上應用數據增強技術，如旋轉、翻轉、縮放等，來增加模型對不同變體的魯棒性；方案三：嘗試使用不同的深度學習模型架構，如卷積神經網絡（CNN）、循環神經網絡（RNN）等，比較它們在圖像分類任務上的性能。

針對初學者，教師最后選擇了方案一，因為它相對簡單，易于理解，有助于學生初步掌握模型訓練的基本概念。如果學生對圖像分類已有一定了解，并具備一定的編程能力，可以嘗試方案二，以提高模型的魯棒性和泛化能力。學生掌握了基礎知識后，教師可以介紹方案三，讓學生嘗試搭建不同的深度學習模型，拓展對模型架構的理解。

四、模型應用我創意：AI的實際價值

教師演示AI實際應用案例：手勢控制燈泡的實際操作，并設置任務拓展，如人臉識別門禁的圖像分類，以及實現的思路。

在這個過程中，學生需要記錄下他們的創意，包括問題描述、解決方案和該方案在真實生活中的應用場景。這既培養了學生的創新思維，也強化了他們在實際問題中應用AI技術的能力。同時，在小組分享的過程中，教師提出一些深入的問題。例如：隨著技術的發展，AI圖像分類可能會在哪些領域取得更多的突破？如何在實際應用中平衡技術、倫理和法律的關系？學生在思考這些問題的過程中，逐漸形成對AI技術未來發展的個人見解。

五、課堂總結：分享AI學習心得

通過小組分享，學生總結模型訓練的心得體會，分享在創意討論中的思考和收獲。教師深入總結提高圖像分類模型訓練準確性的方法，強調實踐和經驗相結合，鼓勵學生在實際問題中靈活運用所學知識，并強調在AI學習過程中，算法、算力與數據的重要性。

教學反思

本案例通過引入生動有趣的場景激發學生的興趣，讓抽象的深度學習理論知識變得更加具體有趣。“玉兔闖關”游戲的設計使學生在實踐中體驗到數據輸入、模型訓練和模型應用的全過程，增加了學科的趣味性。教師引導學生使用MMEdu的圖像分類模塊，簡化了模型訓練的操作流程。學生通過親自動手完成一些基本的操作，更好地理解了圖像分類的基本原理，也為將來更深入的學習奠定了基礎。

教師需要合理地安排時間，確保每個學生都有充足的機會分享自己的觀點。學生接受知識的能力出現了分層，部分學生在實際操作中遇到了困難，如在調整超參數時遇到了一些問題。教師需要更加關注學生的實際操作，及時提供幫助和引導。