初识AI深度学习

主讲人：刘正云

刘正云

曾任浙江省温州中学、温州实验中学创客空间及南通大学附属中学创客指导师；国内知名开源创课资源“Arduino创意机器人”“Arduino机器人设计与制作”及“全国中小学创客教育发展报告2018”的核心作者；教科版高中信息技术教材选修模块核心编委，其配套教师用书副主编。

教学背景

随着科技不断发展，人工智能（AI）和深度学习技术逐渐渗透到我们生活的方方面面。对学生而言，了解并掌握这些新一代科技的基本原理，将为他们未来的学习和职业生涯打下坚实的基础。本案例将引导学生深入理解AI和深度学习的概念，激发他们对图像分类模型训练领域的应用思考。

教学目标

知识与技能 1.理解AI及深度学习的基本概念，包括图像分类模型训练的关键要素。2.识别和理解超参数在深度学习中的作用。

过程与方法 1.了解AI解决实际问题的一般流程，形成对实际应用过程的认知。2.通过“玉兔闯关”游戏体验图像分类模型训练的全过程。

情感态度与价值观 通过有趣的引入视频，激发学生对AI学习的好奇心，形成积极向学的态度。

教学准备

计算平台 本案例主要使用浦育平台进行深度学习模型的训练，学生可以在这个平台上进行项目克隆、代码改写、模型训练和结果展示。

图像数据集 在图像分类的实践中，需要准备一个图像数据集用于模型的训练。可以使用公开的图像数据集，如MNIST（手写数字图像数据集），也可以自行采集、整理图像数据，以便更贴近实际应用场景，本案例提供剪刀石头布的数据集直接供学生使用，数据集截图如图1所示。

行空板、摄像头与Yeelight灯泡 行空板是一款拥有自主知识产权的国产教学应用开源硬件，采用微型计算机架构，集成LCD彩屏、Wi-Fi蓝牙、多种常用传感器和丰富的拓展接口。同时，其自带Linux操作系统和Python环境，还预装了常用的Python库，让广大师生只需两步就能开始Python教与学。（如图2所示）

本案例使用的摄像头（如图3所示）是插入USB端口就能使其工作起来的免驱摄像头，30W像素，640×480分辨率，即插即用，兼容树莓派和英伟达Jetson Nano系列主板，可嵌入各类设备，用于人脸识别、图像识别、安防、远程教学等项目之中。

案例中使用的灯泡是结合全色温全色域LED照明和蓝牙4.0无线通信技术，实现了即联即用功能，无需额外网关和配件的Yeelight灯泡（如图4所示）。既可以通过手机上的蓝牙功能连接到灯泡，实现对灯泡的颜色、亮度的控制，也可以通过编写程序对灯泡开关、亮度等实现控制。

教学过程

一、课堂引入：解锁AI的魔法之门

教师播放小短片“AI吓兔机——兔子挖到程序猿家后的故事”，将学生带入一个充满趣味和挑战的场景，并简要介绍故事中涉及的AI技术，激发学生对AI的好奇心。

师：AI吓兔机制作流程有哪些？

学生1：制作AI吓兔机需要收集不同的兔子图片，制作成兔子数据集。

学生2：需要把AI模型部署在可移动的应用端，便于操作。

若学生能够完整回答出制作AI吓兔机的一个基本流程，教师则继续展示出常见的数据集（MNIST数据集、MSCOCO数据集、ImageNet数据集）、模型转换与部署的实际案例（智能门禁、微笑机器人、颈椎放松、沙发守护者、传情达意机器人、颜值测试仪、游戏助手、智能停车系统）以及深度学习的模型训练与推理的一般过程。

通过有趣的视频创设生活情境，激发学生学习欲望。引导学生了解AI解决实际生活问题的一般流程有：1.收集数据并标注，做成数据集；2.训练AI模型，让AI能够有效识别；3.部署AI应用（树莓派、蓝牙音响）。

二、模型训练初体验：AI的魔法实践之旅

教师准备了一个有趣的小游戏，可以让学生体验AI模型训练到模型应用的全过程，并设置了锦囊妙计——“玉兔闯关”的视频（教师示范操作如何玩好这个游戏）。

学生打开浦育平台中的“玉兔闯关”项目文件，训练自己的AI模型，测试游戏并实践。

师：如果在游戏过程中遇到了困难，请打开锦囊妙计文字版提示去寻找答案。注意在游戏过程中思考以下问题：1.你的训练对象是什么？2.如何提高训练准确性？3.用整个身体作为训练对象和用手势作为训练对象，谁的准确率高？

学生分成若干小组完成游戏，小组成员一人实践、一人记录、一人攻略锦囊。

通过“玉兔闯关”游戏，学生将在游戏情境中体验数据输入、模型训练和模型应用的全过程，将抽象的概念转化为具体的操作。教师在游戏过程中积极引导学生思考，例如，为什么需要这样的数据输入？模型是如何训练的？最后的应用是否符合预期？同时，教师在这个环节中引出图像分类的概念。

三、模型训练再探究：AI的奥秘揭晓

教师介绍MMEdu的图像分类模块，重点解释其各个功能的作用和操作方法；展示模型训练的基本程序，包括图片分类的类别数量（model.num_classes），模型保存的路径（model.save_fold）和數据集的路径（model.load_dataset）。模型保存的路径需自己设计。参考程序如下所示。

from MMEdu import MMClassification as cls # 导入库

model=cls（backbone='LeNet'） # 实例化模型

model.num_classes=3 #指定类别数目，石头剪刀布的类别是3

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

model.load_dataset（path='/data/TCWCV5/hand_RGB'） # 指定训练集路径

model.train（epochs=10， lr=0.01， validate=True）  # 开始训练

学生在实际操作中调整epochs（训练轮数）和lr（学习率）等超参数，观察模型训练过程中的变化。教师鼓励学生分别改进epochs和lr，查看模型准确率，并填写以下记录单和表格。

记录单

1.通过实验，我训练了_______个模型，其中，我根据______数值的大小，来判断模型的好坏。

2.我在训练过程中，调整了（  ）和（  ）的数值，让准确率达到（  ）%。

在模型訓练的设计与实践中，教师提出三种可选方案。方案一：通过调整模型的学习率（lr）和训练轮数（epochs）来优化训练模型的效果；方案二：通过在训练数据上应用数据增强技术，如旋转、翻转、缩放等，来增加模型对不同变体的鲁棒性；方案三：尝试使用不同的深度学习模型架构，如卷积神经网络（CNN）、循环神经网络（RNN）等，比较它们在图像分类任务上的性能。

针对初学者，教师最后选择了方案一，因为它相对简单，易于理解，有助于学生初步掌握模型训练的基本概念。如果学生对图像分类已有一定了解，并具备一定的编程能力，可以尝试方案二，以提高模型的鲁棒性和泛化能力。学生掌握了基础知识后，教师可以介绍方案三，让学生尝试搭建不同的深度学习模型，拓展对模型架构的理解。

四、模型应用我创意：AI的实际价值

教师演示AI实际应用案例：手势控制灯泡的实际操作，并设置任务拓展，如人脸识别门禁的图像分类，以及实现的思路。

在这个过程中，学生需要记录下他们的创意，包括问题描述、解决方案和该方案在真实生活中的应用场景。这既培养了学生的创新思维，也强化了他们在实际问题中应用AI技术的能力。同时，在小组分享的过程中，教师提出一些深入的问题。例如：随着技术的发展，AI图像分类可能会在哪些领域取得更多的突破？如何在实际应用中平衡技术、伦理和法律的关系？学生在思考这些问题的过程中，逐渐形成对AI技术未来发展的个人见解。

五、课堂总结：分享AI学习心得

通过小组分享，学生总结模型训练的心得体会，分享在创意讨论中的思考和收获。教师深入总结提高图像分类模型训练准确性的方法，强调实践和经验相结合，鼓励学生在实际问题中灵活运用所学知识，并强调在AI学习过程中，算法、算力与数据的重要性。

教学反思

本案例通过引入生动有趣的场景激发学生的兴趣，让抽象的深度学习理论知识变得更加具体有趣。“玉兔闯关”游戏的设计使学生在实践中体验到数据输入、模型训练和模型应用的全过程，增加了学科的趣味性。教师引导学生使用MMEdu的图像分类模块，简化了模型训练的操作流程。学生通过亲自动手完成一些基本的操作，更好地理解了图像分类的基本原理，也为将来更深入的学习奠定了基础。

教师需要合理地安排时间，确保每个学生都有充足的机会分享自己的观点。学生接受知识的能力出现了分层，部分学生在实际操作中遇到了困难，如在调整超参数时遇到了一些问题。教师需要更加关注学生的实际操作，及时提供帮助和引导。