实验2：深度学习基础

学习要求：

• 深度学习的入门知识
• pytorch 基础练习，螺旋数据分类代码练习

截止时间：10月11日（星期六） 22:00

大家务必注意时间，超出时间要扣分！

引言

我们会有4~5周的时间学习深度学习的入门知识，为后面的小组项目打好基础。

本周视频为“深度学习概述”，下载链接为：https://www.jianguoyun.com/p/Da26fK0QrKKIBhi_0okGIAA

1、实验说明

实验报告推荐采用 Typora 软件编写，完成以后可以直接导出为PDF，也方便直接粘帖在 CSDN 等博客发布。实验报告模板如下：

<center>姓名：XXXX  学号：XXXX</center>

| 姓名和学号？         | XXXX，200023230                     |
| ------------------- | ------------------------------      |
| 本实验属于哪门课程？  | 中国海洋大学25秋《软件工程原理与实践》 |
| 实验名称？           | 实验2：深度学习基础                  |
| 博客链接：           |  选做                               |

## 一、实验内容

XXXXXXXXXX

## 二、问题总结与体会

描述实验过程中所遇到的问题，以及是如何解决的。有哪些收获和体会，对于课程的安排有哪些建议。

2、视频学习

学习视频：深度学习基础，主要内容包括：

• 浅层神经⽹络：⽣物神经元到单层感知器，多层感知器，反向传播和梯度消失
• 神经⽹络到深度学习：逐层预训练，⾃编码器和受限玻尔兹曼机

3、代码练习

学习完成以后进行代码练习，代码练习需要使⽤⾕歌的 Colab，它是⼀个 Jupyter 笔记本环境，已经默认安装好 pytorch，不需要进⾏任何设置就可以使⽤，并且完全在云端运⾏。使⽤⽅法可以参考 Rogan 的博客：https://www.cnblogs.com/lfri/p/10471852.html

国内⽬前⽆法访问 colab，可以安装 Ghelper: http://googlehelper.net/

3.1 pytorch 基础练习

基础练习部分包括 pytorch 基础操作，实验指导链接

要求： 把代码输⼊ colab，在线运⾏观察效果。

3.2 螺旋数据分类

⽤神经⽹络实现简单数据分类，实验指导链接

运行代码会发现少了一个图片，原作者移动位置了，新的位置在： https://raw.githubusercontent.com/Atcold/pytorch-Deep-Learning/master/res/ziegler.png

要求： 把代码输⼊ colab，在线运⾏观察效果

4、雨课堂提交实验报告：

完成⼀个实验报告，内容包括两部分：

【第⼀部分：代码练习】在⾕歌 Colab 上完成 pytorch 代码练习中的 3.1 pytorch基础练习、3.2螺旋数据分类，关键步骤截图，并附⼀些自己的想法和解读。

【第⼆部分：问题总结】思考下⾯的问题：

1、AlexNet有哪些特点？为什么可以比LeNet取得更好的性能？

2、激活函数有哪些作⽤？

3、梯度消失现象是什么？

4、神经网络是更宽好还是更深好？

5、为什么要使⽤Softmax?

6、SGD 和 Adam 哪个更有效？

如果还有其它问题，可以总结⼀下，写在文档里，下周⼀起讨论。

5、评分规则

本次实验满分10分，按时提交并且内容符合要求8分，发布在个人博客并提供链接加0.5分，使用markdown加0.5分，内容质量高加0.5到1分。错过时间提交，扣1分。