DIY简易人工智能实验室*

穆 明

人工智能初步课程是高中信息技术课标3个非应试选择性必修模块之一，是高中信息技术课程改革的亮点之一，需要在专用器材和平台支持下才能正常开展教学，因此，高中人工智能实验室成为信息技术课程教学的标准配备。目前，面向基础教育领域的各类人工智能实验室解决方案应运而生，鉴于当前普通高中信息技术的教学现状，为突破人工智能教学专用软硬件互不兼容的技术壁垒及高成本、易淘汰的弊端，借助主流的开源软硬件平台框架支持，将现有学校已配的计算机教室搭建为简易人工智能实验室，兼容实现Python基础课程、机器学习和深度学习等模块的实验教学，从而真正引领学有余力的学生步入人工智能的殿堂。

一、搭建“基础版”AI实验室

为改进前期开展中学计算机语言教学枯燥乏味的弊端，目前各开设Python课程教学的高中学校积极引入了各类兼容Python子集的嵌入式单片机开发板或创客开发板，搭建Python实验室，筛选当前流行的Python教学开发板，基于开源和性价比的综合考虑，在实践中选择MicroPython嵌入式开源硬件为教学平台(如乐鑫ESP-12系列模块)，以低价易上手的TPYBoard开发板为“原材料”，每台学生机通过USB数据线连接具有虚拟串口功能的TPYBoard开发板，搭建“基础版”的AI实验室，开展Python基础教学。MicroPython作为Python语言的子集，具有极易上手的特点及优势，同时MicroPython作为当前主流的单片机开发脚本语言，规避了C/C++开发单片机产品的平台多样性、开发工具的依赖性等因素，使得32位单片机的开发无须移植嵌入式操作系统，也为高中生学习嵌入式单片机开发抛砖引玉。

MicroPython开发板采用ESPlorer调式软件实现固件烧写、程序仿真调试、程序下载等环节功能，结合课堂讲解的Python基础语法，以生动有趣的项目教学为主线展开对MicroPython函数库和自带模块(可参考有关社区学习网站)的学习。MicroPython教学可以由简单的实例程序入手，如有关GPIO控制LED灯的实验项目主要环节设计说明如下。

通常GPIO(General Purpose I/O Ports)口为TPYBoard开发板的通用输入/输出端口，通俗地说，就是一些引脚，可以通过它们输出高低电平或者通过它们读入引脚的状态：是高电平或是低电平。图1标记1为一个小的LED灯，和开发板上的G2接口相连，低电平时亮，高电平时灭。通过GPIO输出高低电平，从而控制LED灯的发光。

图1 TPYBoard开发板

源代码如下：

实验运行结果：每隔3秒，LED灯进行“亮—灭”切换。

在经过一定时间的MicroPython开发板项目设计实验之后，采用Python与MicroPython相互比对的实验教学策略，再按照Python基础教材教学设计进度进行Python案例的学习，以便为学生后续进行大数据、机器学习等新技术学习打下坚实的基础。

二、搭建“单机版”AI实验室

利用Python入门机器学习，最常用、易上手的开源框架就是Scikit-learn。使用Scikit-learn做机器学习实验室的“原材料”，每台学生机安装Scikit-learn包，搭建“单机版”的AI实验室。Scikit-learn框架不需要高等数学的学习背景，就可以将学生轻松带入机器学习的乐园，Windows10操作系统下安装Scikit-learn常规的方法：进入CMD命令窗口，按顺序安装必要的依赖包(包括Python，Numpy，Scipy)后，再运行pip install -UScikitlearn，以安装Scikit-learn机器学习库。但在实际安装中因安装包下载版本等诸多因素不是很顺利。在动手搭建的实践中，基于微软VS2017平台安装运行Scikit-learn库非常快捷方便。大致安装步骤如下。

1.安装Python环境

Windows10操作系统下选择的是64位版本的Python-3.7.2-amd64.exe安装程序，运行VS2017创建Python程序任意项目后，在VS2017的Python环境窗口，首先安装包(PyPI)即pip，并升级到最新版本，然后搜素Numpy包并安装。

2.安装测试Scikit-learn

继Numpy包安装完成后，搜索Scikit-learn库，安装Scikit-learn(0.20.2)。以下以建立SVM分类器为例，测试安装Scikit-learn框架是否成功，简要代码如下。

在VS2017平台或CMD命令窗口运行以上代码如无错误提示，说明成功安装Scikit-learn框架，否则就需要检查安装步骤是否出错，或者系统是否缺少必要的Windows依赖库。

三、搭建“高阶版”AI实验室

在入门Python机器学习之后，学生在进行人脸识别等案例学习时，势必感觉到机器学习这一技术的不足，受神经网络等深度学习的吸引，尽快达到AI学习的巅峰已迫在眉睫。在机器学习实验室环境搭建的基础上，引入开源Python深度学习框架Keras，并用TensorFlow作为后端引擎。使用Keras做深度学习实验室的“原材料”，每台学生机安装Keras包和TensorFlow包，搭建“高阶版”的AI实验室。Keras框架不需要高等数学的学习背景，就可以将学生轻松带入深度学习的殿堂。同样在VS2017平台下，选择包(PyPI)环境，分别默认安装Keras和TensorFlow框架，VS2017会自动下载与Windows操作系统和已安装Python版本相匹配的Keras和TensorFlow框架版本。如在VS2017平台下安装失败，也可以进入管理员命令窗口用pip install Keras和pip install TensorFlow进行相应的框架下载安装。以加载MNIST数据集为例，测试安装Keras框架是否成功，简要代码如下。

在VS2017平台或CMD命令窗口运行以上代码如无错误提示，说明成功安装Keras框架。

随着人工智能技术的飞速发展，当前普通高中信息技术课程应遵循新版课程标准开展人工智能初步课程教学，而不是用各种封装的成品AI学习包替代，掌握开源主流的AI框架是目前普通高中人工智能教学应该探讨的模式之一。