云計算資源運用對于新工科人才培養的研究

［摘 要］ 數字化、智能化升級對數據與算力的需求進一步加強，對相關領域的高等教育與人才培養也提出了新的挑戰。教育部聯合華為公司推出的“智能基座”系列課程，以解決實際問題為導向，利用先進的云計算資源，為學生提供了接近實際工程實踐的學習體驗。以若干學期的“計算機視覺基礎”課程為例，通過參與學生人數、成績特征變動等數據，分析了云計算資源對于課程教學效果的促進作用，以及學生群體對于相關課程內容的感興趣程度，驗證了相關教學模式的有效性。

［關鍵詞］ “計算機視覺基礎”課程；云計算；新工科；智能基座；教學模式

［基金項目］ 2022年7月4日—2023年10月15日華為技術有限公司項目“以金屬焊接缺陷檢測為例的小樣本缺陷視覺檢測技術”（22H010101456）

［作者簡介］ 李雪松（1987—），男，河北石家莊人，工學博士，上海交通大學機械與動力工程學院副教授，博士生導師，主要從事視覺算法與光學診斷、動力系統控制研究。

［中圖分類號］ C961 ［文獻標識碼］ A ［文章編號］ 1674-9324（2024）10-0001-04 ［收稿日期］ 2023-01-30

引言

在計算機課程教學中，培養解決實際復雜問題的能力愈發重要，但具體問題對于算力的需求普遍較高，學生個人計算資源無法滿足，這一限制使得傳統的計算機視覺相關課程無法完成與工程實際的接軌。云計算平臺為這一問題的解決提供了充分條件，為人才培養的“最后一公里”提供了有力支持［1］。

上海交通大學機械與動力工程學院面向國家發展需要，積極參與華為“智能基座”課程建設，推出“計算機視覺基礎”課程，以現代工程實際問題解決能力培養為核心導向，將理論講授與工程實際求解相結合，利用先進云計算資源，實現了課堂教學與工程實際的接軌。本文基于若干學期課程的真實教學數據，對云計算教學模式進行了分析，探究適合于新時代工程人才培養的課堂模式，以期為相關專業課程設計與改革提供借鑒。

一、新時代工科人才需求與“智能基座”課程特征

（一）新時代工科人才需求

2022年3月，時任國務院總理李克強在第十三屆全國人民代表大會第五次會議上明確提出，大力推進智能制造，加快發展先進制造業集群，實施國家戰略性新興產業集群工程［2］。制造業產業升級與創新使工程人才培養不再局限于知識習得與認知能力訓練，而更多轉向工程思維培養［3］。教育部高等教育司制定的《關于開展新工科研究與實踐的通知》也明確提出，開展深化產教融合、校企合作的體制機制和人才培養模式改革研究和實踐，鼓勵在授課過程中引入實際工程問題，解決高等教育與實際工程問題之間的“最后一公里”問題，培養能夠切實服務于現代化建設過程的工程人才［4］。

作為新興學科課程，“計算機視覺基礎”課程相較于傳統工科課程而言缺少經驗積累，且由于知識迭代速度較快，對于新工具、新資源的掌握與實際應用顯得尤為重要。以上特征決定了，相較于傳統的工科人才培養模式，“計算機視覺基礎”課程具備改革的必要性［5-6］，且由于先期局限性不大，其改革成效將更為顯著。基于此，“計算機視覺基礎”課程擬改變單純知識習得的教學方法，將實際工程問題解決融入教學過程，使用最新的資源和工具培養學生的工程思維與解決問題能力，為數字化發展提供具備一定經驗的人才，實現從高校到一線的無縫對接［7-8］。

（二）“智能基座”課程特征

“智能基座”產教融合協同育人基地是由教育部牽頭，72所高校和華為聯合建設的人才培養項目：為加快新工科建設，以產業和技術發展的最新需求推動高校人才培養改革、教學資源建設、師資培訓，強化學生創新創業和實踐能力培養，造就大批能夠適應和引領新一輪科技革命和產業變革的卓越工程人才。作為全面深化新工科建設的重要部分，“智能基座”產教融合協同育人基地建設得到高校與企業的大力支持，由高校進行基礎知識教育、指導學習過程，由企業提供實際問題與一線計算資源，雙方合作使學生能夠在獲取學科基礎知識的同時，接觸到實際工程問題的解決方法與思考方式，有利于培養符合新工科要求的人才。

二、“計算機視覺基礎”課程與云計算引入

（一）課程情況簡介

“計算機視覺基礎”課程為上海交通大學機械與動力工程學院選修課程，面向機械/動力工程方向的本科三年級學生開設，旨在讓學生掌握現代數字圖像儲存、基本處理方法、特征提取和識別原理；掌握深度學習算法并利用算法模型進行視覺分析；結合已有工程基礎，認識計算機視覺在相關領域的潛力，并具備利用計算機視覺技術解決實際工程問題的技術能力和專業素養；熟悉使用各類深度學習框架實現深度學習模型的一般流程。在上述基礎上，通過云計算資源實現具體工程問題解決方法的掌握與工程思維的養成。

（二）云計算引入的必要性

“計算機視覺基礎”課程開設了兩個課下實踐項目，分別為車道線識別項目和基于神經網絡的圖像處理項目（圖像識別和圖像分割）。前者可基于個人電腦CPU完成，主要目的是強化學生對于神經網絡本身的理解。而基于神經網絡的圖像處理項目由于涉及網絡訓練，必須引入GPU（graphic processing unit），其訓練神經網絡模型的效率通常為CPU模型的數十倍甚至數百倍，即便如此，大規模數據集的訓練也需要耗費大量計算時長。由于經濟原因，大部分個人電腦不具備GPU計算能力，而專業的計算GPU硬件價格昂貴（如Tesla V100的價格約為3萬元人民幣），因此，無論是由高校還是學生負擔硬件成本均不現實，需要通過其他途徑實現深度學習+AI項目式教學。

（三）華為AI云平臺簡介

華為昇騰AI服務器是一種可自主獲取、彈性伸縮、應用于AI訓練與推理加速的云服務平臺，可為多種AI應用場景提供高效算力。平臺采用的NPU（neural network process unit）架構是專為神經網絡訓練設計的智能計算芯片，基于ARM等開源構架，有益于全流程國產化。傳統GPU并行能力強大，然而在設計上有很多冗余功能，如3D計算模塊等，因此，其效率和功耗都高于NPU。在本課程中，每名學生可獲得至少50小時的NPU計算服務，滿足計算需求，培養對智能云產品的應用能力。

三、深度學習項目實踐教學及成果分析

（一）項目實踐教學內容

“計算機視覺基礎”課程深度學習項目實踐教學環節包括圖像分類識別和圖像分割項目實踐。前者根據輸入圖像對其內容賦予分類標簽，后者根據圖像輸入的內容，對圖像中的不同區域進行分割，二者均是計算機視覺中的基本任務之一，在工業生產中有著廣泛的應用。圖像分類識別實踐項目要求學生使用CIFAR-10數據集對LeNet模型進行訓練以實現圖像分類識別，同時嘗試改變神經網絡模型結構以提高分類精度。圖像分割項目包含醫學圖像分割實驗和自動駕駛場景語義分割實驗。

（二）項目實踐教學實施

課程的深度學習項目實踐教學基于華為云計算平臺，實踐用數據集均為開源數據集。項目實踐周期約為一個月，要求學生自主利用課余時間進行項目實踐。課上，解答學生的問題，同時安排助教對學生的項目實踐問題進行定期答疑。學生提交的項目成果包括：項目實踐的主要成果和過程記錄，對模型創新提高部分的方法描述、結果分析和源代碼，對實踐中設置問答題目的文字解答。

（三）項目實踐教學成果分析

課程前兩學期的深度學習項目實踐的學生評分情況如表1所示。兩學期成績分布大體一致，平均完成度在80%以上。兩個學期的深度學習項目實踐達標率均為100%（≥60%）。考慮到學生的深度學習知識基礎差異，本項目實踐難度設置合理。針對實驗內容提供了基礎代碼，教師和助教定期安排答疑，因此學生在本項目的最低得分為17分，增強了學生的信心和積極性。針對學有余力以及興趣濃厚的學生，設置了拔高任務，以鼓勵學生進行創新，因此兩個學期中均存在獲得滿分的案例。深度學習實踐項目結合華為云平臺，將實際項目實踐納入教學，調動了學生的學習熱情，同時合理設置項目實踐內容與任務難易程度，定期答疑解惑，達到了良好的教學效果。

（四）課程參與情況分析

“計算機視覺基礎”課程已開課3次，按照時間順序分別稱為第一、第二、第三學期，其中第一、第二學期課程已完成教學，第三學期課程已完成選課。三個學期課程的選課人數與最終錄取人數情況如表2所示，第一學期課程為“計算機視覺基礎”初次開課，課程規模較小，總錄取人數為30人，報錄比為1.17∶1。從第二學期開始，由于課程反饋效果良好，課程規模擴大至60人，且報名人數達到200人以上，報錄比達到4∶1左右，類似的報名規模也持續到第三學期。錄取規模的倍增與報名人數的變化體現出這一課程在學生中的接受度較高，這與工業數字化趨勢密切相關，云計算資源的使用也在其中扮演了重要角色。

（五）課程培養效果分析

以“計算機視覺基礎”課程已結課的兩學期課程教學為研究對象，對學生成績進行了分析。本課程分數包括作業、測驗、項目實踐三個部分，分別占20%、30%、50%。對于項目實踐，主要依照完成度和整體效果進行評分，每個項目實踐都有基本要求部分和創新提高部分。課程測評的重點在于實踐環節，側重于實際工程問題的解決。兩學期課程的最終成績量化統計結果如表3所示。

總體而言，兩學期課程成績評分分布較為接近，均值基本保持一致，在83分左右。以超過1.5倍四分位差為異常值檢驗基準，第一學期存在一個異常值，第二學期存在兩個，且所有異常值均出現在低分一側，這表明在兩學期中，均有個別學生成績掉隊，但其成績仍然位于及格線以上，顯示總體教學質量較好。雖然第二學期課程人數幾乎翻倍，但總體成績標準差小于第一學期，班級得分相較于第一學期更為集中。對比而言，第一學期最終成績的最高分較高，表明少數學生對于課程接受程度較好；但對應也存在低分學生，說明部分學生無法較好地完成學習。為了進一步幫助學生接受所學知識，在第二學期授課過程中，有意調整了教學進度，為基礎理論講解多安排了4學時，這一改變最終反映為學生的成績的差異化程度縮小，總體成績均值上升，表明新的授課方式能夠使多數學生提升成績。在參與課程學生明顯增加的情況下，更為扎實的基礎理論授課對于提升整體成績起到了較為明顯的作用，表明在重視實際應用的云計算相關課程中，理論基礎的夯實能夠促進實踐過程的表現。

四、結論

通過對若干學期“計算機視覺基礎”課程的參與狀況、成績變動等進行分析，本研究得出以下結論。

第一，云計算資源的引入能夠極大引起當代大學生的興趣，與工程實際問題接軌的課程設置能夠與前沿技術相結合，促使學生更好地接觸計算機技術，促進相關課程的推廣與人才培養。

第二，實踐教學的完善需要以理論基礎為前提，理論教育的鞏固能夠提升多數學生在實踐階段的表現，使得班級整體成績得到提升。但這樣的教育模式存在關照后進學生、忽略先進學生更進一步需求的缺陷，如何在保證多數學生掌握所學知識的同時，滿足拔尖學生的特殊需求是需要進一步探討的問題。

第三，“智能基座”系列課程依托于一線企業與高校的合作模式具有推廣價值。在此過程中，教師的培養、企業資源的介入、學生群體的興趣與教學模式均會對新工科人才的最終培養效果起到關鍵影響，在已有經驗的基礎上，進一步擴展與優化是未來大學教育所必須面對的問題。

致謝

本文感謝華為昇騰Ascend CANN與昇騰Ascend 910 AI處理器對本研究工作的支持。

參考文獻

［1］徐文偉.構建開放創新人才培養平臺，打通人才培養“最后一公里”［EB/OL］.（2022-06-01）［2023-01-29］.http：//news.10jqka.com.cn/20220601/c639515928.shtml.

［2］政府工作報告：2022年3月5日在第十三屆全國人民代表大會第五次會議上［EB/OL］.（2022-3-12）［2023-01-29］.http：//www.gov.cn/premier/2022-03/12/content_5678750.htm.

［3］夏小華.新工科人才的工程素質及其培育路徑［J］.上海理工大學學報（社會科學版），2020，42（4）：377-382.

［4］教育部高等教育司.關于開展新工科研究與實踐的通知：教高司函〔2017〕6號［A/OL］.（2017-02-20）［2023-01-29］.http：//www.moe.gov.cn/s78/A08/tongzhi/201702/t20170223_297158.html.

［5］李冠彬，毛明志，方艷梅.課程思政在高校專業課中的應用探索：以計算機視覺課程為例［J］.軟件導刊，2022，21（5）：198-201.

［6］于瀛.“計算機視覺”課程思政建設的探索與實踐研究［J］.工業和信息化教育，2022（5）：28-32.

［7］陳曉明.機械類專業新工科背景下實踐教學的改革與實踐［J］.中國現代教育裝備，2022（9）：86-88+92.

［8］喬連全，盧文英.“人類命運共同體”背景下新工科人才全球勝任力培養：以國內10所高水平工科高校為例［J］.高等理科教育，2022（4）：58-66.

On Cloud Resource Application in Education of New Generation Engineering Talents： A Case Study of Fundamentals of Computer Vision Course in Shanghai Jiao Tong University

LI Xue-song

（School of Mechanical Engineering， Shanghai Jiao Tong University， Shanghai 200240， China）

Abstract： The in-depth digitalization and evolutional intellectualization have come up with higher demands on data analysis and computing power. In cooperation with the Ministry of Education， HUAWEI company establishes series of “Intelligent Base” courses， aiming at practical issue tackling， and provides the most up-date cloud calculation sources to students to achieve the more close-reality experiments. This study uses data from “fundamentals of computer vision” course in different semesters as case study. By analyzing the participating features， grades and other data， the improvement of cloud computing resource on teaching has been validated.

Key words： fundamentals of computer vision; cloud computing; new engineering subject; intelligent base; teaching mode