项目九第四课时评估手写识别模型并开展应用 教案--2020-2021学年高中信息技术沪科版（2019）必修1

项目九 了解手写数字识别 ——体验人工智能 第四课时 评估手写数字识别模型并开展应用 ■教材分析 “评估手写数字识别模型并开展应用”这一小节，通过用Test集合评估最终模型的识别正确率，引出人工智能的人脸识别、指纹识别等识别技术。这些技术的应用将对我们的社会发展有作怎样的作用和影响。 ■教学目标 1、知识和技能 了解人工智能的作用和影响。 2、过程与方法 通过评估手写数字识别模型并开展应用，了解人工智能的作用和影响。 3、情感态度与价值观 （1）了解手写数字识别的核心技术———机器学习，感受人工智能技术。学生通过了解人工智能和机器学习的含义、应用及作用，提升对人工智能技术作用的认识，发展信息社会责任； （2）通过学生通过使用 Ｐｙｔｈｏｎ 及其第三方工具进行手写数字识别学习过程的体验，在完成项目的过程中了解人工智能解决问题的思想方法，促进计算思维的形成与发展。 ■教学重点： 了解人工智能的作用和影响。 ■教学难点： 了解人工智能的作用和影响。 ■教学准备 计算机教室，Python,投影机。 ■教学过程： 一、评估手写数字识别模型 整个训练结束之后，可以用Test集合评估最终模型的识别正确率。每个测试样本送入模型后，模型会识别出一个结果。如果这个结果和标注信息一致，就是正确的；反之，就是错误的。通过以下代码以输出最终模型对10000测试图片进行识别的正确率。迭代次数为10000次时，最终模型的别正确率通常在99%以上。 二、未知样本的识别过程 识别正确率经评估达到要求的模型，就可以作为识别器，应用于对未知样本的识别。具体过程如图所示。 思考与讨论 1.为什么需要对样本进行标注？训练样本和测试样本的标注各有什么用处 2.除了识别正确率外，还有什么指标可以评价模型的优劣？ 3.用Test集合评估出的正确率就是现实情况中的正确率吗？ 三、手写识别应用 手写数字识别是一个分类问题，一共有10个类别。在深度学习的卷积神经网络中，一般不会直接给出该样本是哪个数字的结论，而是会给出该样本是各个数字的可能性即概率分别有多大，然后根据实际需要去判定结果。一般来说，概率最大的那个类别就会被认为是当前样本的识别结果。 手写数字识别已经被应用于邮政编码、财务报表、银行票据等的自动识别，极大地节省了人力和物力，提升了工作效率。手写汉字识别也取得了重大突破，如可识别手写汉字地址的“基于多源