项目要求¶
要求：参考三个选题（手写体数字识别、人脸识别、猫狗识别），可以结合大创的项目。不可以选择百度 AIStudio 上原封不动的项目，必须有所修改，或者修改模型结构，或者修改数据集。否则，20 分的项目，最多得 10 分。
项目内容¶
手写体数字识别属于典型的图像多分类问题
实践平台：百度AI实训平台-AI Studio
实践流程：
-
准备数据
-
配置网络
- 定义网络
- 定义损失函数
- 定义优化算法
- 训练网络
- 模型评估
- 模型预测
实验要求：
-
按实践流程调通程序
-
采用MNIST数据集，原数据集中只有黑底白字，在原数据集中增加白底黑字的数字图像，即：使得系统也能识别白底黑字的数字图像。
-
撰写实验报告
-
将调通的程序发布到百度AI实训平台-AI Studio上，将实验报告提交到指定的助教邮箱。
评分¶
实验报告评分标准（10分）：每组组员的分数相同¶
-
实验最终准确率（占2分）：按准确率高低的排序给分。
-
实验尝试的模型（占3分）：使用2个及以上经典卷积网络（如VGG等）的，得3分，使用1个经典CNN的得2分，未使用经典CNN的得1分。
-
实验调参（占2分）：对学习率、优化器、模型的深度和宽度（隐层中神经元的数目）、激活函数等，进行过10次及以上尝试者，得2分；只进行少于10次尝试者得1—1.5分。
-
实验数据分析（占3分）：以图表的形式展示实验结果，在此基础上进行深入讨论者，得3分；讨论内容肤浅者，得1--2分。
2. 项目展示与答辩评分标准（10分）¶
| 总分 | 最好的 accuracy（或 Precision 和 Recall） | 演示功能正确 | 超时 | 阐述清晰 | 回答问题正确 |
|---|---|---|---|---|---|
| 10 | 2 | 3 | 2 | 2 | 1 |
其中，超时不包括提问环节，超时和最好的 accuracy（或 Precision 和 Recall）全组统一。
-
每组答辩时长 15 分钟，不需要制作 PPT，每人陈述 3 分钟，即自述 12 分钟。组员分工介绍以下内容：
-
项目思路
-
数据集规模，训练集、（验证集）、测试集的样本分配
-
模型的网络结构：几层卷积层、几个卷积、卷积大小、激活函数、损失函数、池化层、全连接层、输出层几个神经元
- 超参个数、如何设置的（学习率等）
- 训练模型的过程、训练时长
- 是否修改了网络结构，怎么修改的
- 尝试了几个模型，对比结果的结论是什么
-
展示运行结果
-
回答问题 3 分钟（覆盖课堂讲授的理论和实践内容），每人回答一个问题。
-
每组组员的得分不同，取决于个人在“阐述清晰”、“回答问题正确”、“演示功能正确”环节的表现。
-
必须弄清楚 CNN 术语含义，尤其在分组答辩时，要用对术语，否则我的问题，你可能答不到点子上，也会浪费时间。
-
若连老师所提的问题都听不懂，或弄错术语的含义，直接扣分。
-
3.专题研究报告提交要求¶
- 将上述专题研究报告的word文档以邮件附件的形式提交给助教（期末公布邮箱 ）。
- 专题研究报告命名为：AI-组号-题目；邮件主题必须为：AI报告-组号-题目，否则无效。截止日期为6月17日12点。
- 提交此报告，不加分，但迟交或不交，扣分。
- 迟交1天（晚24小时内）扣2分；
- 迟交2天（晚48小时内）扣5分；
- 迟交3天（晚72小时内）扣10分；
- 3天后（超过72小时）视同未提交，即专题研究环节计0分。