云算力助我開展ai實驗教學

【云算力平臺為人工智能教學提供了強大支持，有效解決了學習環(huán)境難以統(tǒng)一、技術(shù)門楷過高等難題。學生僅通過瀏覽器，無需復雜的本地環(huán)境搭建，就能直接開展復雜的模型訓練任務。

關鍵詞：人工智能；模型訓練；云算力

中圖分類號：G434文獻標識碼：A論文編號：1674—2117（2025）09-0012-04

隨著時代的發(fā)展與技術(shù)的進步，人工智能技術(shù)在圖像識別領域的應用日益廣泛。然而，在涉及處理圖像問題尤其是復雜圖像分類問題的課程中，存在諸多阻礙課程落地的難題。一方面，學生的學習環(huán)境難以統(tǒng)一，不同學生的設備配置、軟件版本參差不齊，這使得在開展人工智能實踐教學時，難以確保每個學生都能在相同的條件下進行學習和實驗，增加了教學的難度和不確定性；另一方面，人工智能技術(shù)的專業(yè)性強，技術(shù)門檻高，從搭建編程環(huán)境、理解復雜的算法原理到實際操作模型訓練，這些對于中小學生而言都極具挑戰(zhàn)性，很多學生在入門階段就產(chǎn)生畏難情緒，從而嚴重制約了人工智能課程在中小學的有效開展。

OpenHydra云算力平臺為人工智能教學提供了強大支持，有效解決了學習環(huán)境難以統(tǒng)一、技術(shù)門楷過高等難題。學生僅通過瀏覽器，無需復雜的本地環(huán)境搭建，就能直接開展復雜的模型訓練任務?；诖似脚_的優(yōu)勢，筆者在設計《昆蟲分類模型的訓練》一課的教學方案時，全方位考量各個教學要素，規(guī)劃教學內(nèi)容、明確教學目標、確定教學重難點并選用合適的教學策略，為整個教學活動的順利開展奠定了堅實基礎。

1 教學要素設計

教學要素是教學活動的關鍵組成部分，它們相互關聯(lián)、相互影響，共同決定著教學效果。在《昆蟲分類模型的訓練》一課中，對教學要素進行精心設計，有助于提升學生對人工智能知識的理解與實踐能力。

1.教學內(nèi)容分析

本課以生活中識別玉米蟲的問題為切入點，依托云算力平臺展開教學。學生通過訓練昆蟲分類模型，理解圖像識別過程，掌握機器學習實現(xiàn)圖像分類的方法，為后續(xù)模型部署奠定基礎。此前，學生已學習使用LeNet骨干網(wǎng)絡對手寫體數(shù)字進行模型訓練，具備一定理論知識，為本次課的學習做好了鋪墊。

2.教學目標

（1）通過自主學習了解彩色圖像分類模型訓練的一般過程，具備利用圖像識別技術(shù)解決現(xiàn)實生活中問題的意識。

（2）通過云算力平臺進行分組實驗，探究數(shù)據(jù)集、算力、算法等因素對模型訓練的影響，提升計算思維和合作學習能力。

（3）熟練運用平臺調(diào)整訓練輪次和超參數(shù)，建立昆蟲分類模型，并使用模型推理代碼對模型的準確性進行檢測，提高數(shù)字化學習資源的應用能力。

（4）在使用平臺解決人工智能問題的過程中，培養(yǎng)對平臺、技術(shù)工具的判別和評價意識，認識到人工智能技術(shù)發(fā)展中的社會問題，培養(yǎng)負責任的信息社會參與意識。

3.教學重難點

4.教學策略與手段

課堂伊始，以真實昆蟲識別故事引入，創(chuàng)設生活情境，將抽象的人工智能知識與實際生活緊密相連；在教學過程中，借助云算力平臺，為教學提供有力支撐。學生僅需打開瀏覽器，就能輕松開啟模型訓練之旅。同時，教師設計了四個探究實驗，學生分組在云算力平臺上開展實驗，并將結(jié)果記錄在導學單上，直觀感受不同因素對模型訓練的影響。此外，注重培養(yǎng)學生自主學習能力。學生需學習微視頻了解實驗操作步驟、閱讀材料獲取模型訓練知識、探索平臺功能并調(diào)整參數(shù)建立模型，進而提升獨立思考和解決問題的能力。

算力平臺支撐

在以往的教學實踐中，搭建模型訓練環(huán)境常常讓師生們頭疼，不僅需要安裝各種庫，還得確保硬件設備滿足要求，稍有差錯就可能導致訓練無法進行。而OpenHydra云算力平臺只要打開瀏覽器，就能快速進入該平臺開展學習和實踐。上頁圖1所示為OpenHydra云算力平臺首頁。

點擊進入控制臺，可以查看學習工具，里面包含了實驗環(huán)境、邊學邊玩和經(jīng)典課程三個模塊；也可以進行學校管理，查看賬單明細，對上課成員、實驗設備、課程和數(shù)據(jù)集等進行管理。上頁圖2所示為Openhydra控制臺頁面。

在實驗環(huán)境中，選擇開啟XEdu實驗環(huán)境，即可進入模型訓練界面。在開啟實驗環(huán)境時，可根據(jù)需求選擇不同的算力類型，滿足多樣化的計算資源需求。界面左側(cè)是文件資源管理器窗口，展示項目文件目錄結(jié)構(gòu)，界面右側(cè)是代碼編輯窗口，顯示“昆蟲分類模型的訓練”文件的代碼內(nèi)容，上頁圖3所示為Openhydra實驗環(huán)境。

1.課堂引入：開啟人工智能的 神秘之旅

通過講述真實故事，提出關于昆蟲識別的問題，如尋找蟲子繁殖地、確定蟲子名稱等，引發(fā)學生興趣。介紹故事中涉及的人工智能技術(shù)，引導學生思考利用人工智能制作昆蟲識別系統(tǒng)的可能性。明確本節(jié)課重點是利用Openhydra云算力平臺進行昆蟲分類模型訓練，幫助學生厘清學習思路。

2.基本任務：探究實驗的初步探索

教師提出如何快速訓練出優(yōu)秀模型的問題，引導學生頭腦風暴，提出數(shù)據(jù)集、算力、算法等影響因素。教師借助OpenHydra云算力平臺，設計四個探究實驗——選擇高質(zhì)量數(shù)據(jù)集的必要性、網(wǎng)絡骨干（算法）的選擇、CPU和GPU算力的使用、預訓練模型的作用，并提供實驗步驟、導學單和微視頻。

學生分組選擇實驗主題，在平臺上開展實驗。首先，在本地通過瀏覽器打開平臺登錄頁面，輸入賬號密碼登錄。其次，在平臺界面中找到XEdu實驗環(huán)境入口并選擇合適的算力配置。在點擊確認以后，平臺將自動分配相應的計算資源，然后學生即可在平臺提供的Jupyter頁面中編寫或調(diào)用訓練模型的代碼。圖4所示為平臺算力類型選擇。

以探究CPU和GPU算力的小組為例，使用平臺提供的CPU和GPU算力，對相同的數(shù)據(jù)集進行模型訓練，記錄訓練1輪與10輪的時間。通過實際訓練，學生發(fā)現(xiàn)使用CPU訓練一輪模型的時間長達十幾甚至幾十分鐘，而使用平臺的GPU算力，訓練一輪模型只要十幾秒。通過對比實驗，學生深刻理解到人工智能模型訓練中算力的重要性。圖5所示是在平臺上探究使用CPU算力和GPU算力訓練模型的耗時情況。在該實驗過程中，學生只需在選擇GPU算力的程序中添加device °leddash cuda'，再分別將這兩段代碼運行即可。

3.進階任務：模型訓練的深度挑戰(zhàn)

在模型訓練大挑戰(zhàn)過程中，教師可預先將程序關鍵部分挖空（如圖6），引導學生思考并自主補充代碼，加深其對模型訓練原理及代碼邏輯的理解。待參數(shù)調(diào)整完畢，學生點擊運行指令，平臺即刻啟動模型訓練任務。在訓練過程中，學生能在平臺界面實時監(jiān)控訓練進度條、準確率變化等信息。在訓練結(jié)束后，學生將模型最終準確率等關鍵數(shù)據(jù)記錄在過程記錄表中，為后續(xù)分析總結(jié)提供依據(jù)。

4.課堂總結(jié)：模型訓練的經(jīng)驗歸納

學生分享在模型分類大挑戰(zhàn)中調(diào)整參數(shù)提高準確率的經(jīng)驗。教師收集學生訓練的模型，使用推理程序進行準確性測試。通過學生分享和教師演示，引導學生總結(jié)訓練復雜圖像分類模型的經(jīng)驗。同時，教師提出未來人工智能技術(shù)發(fā)展的問題。

結(jié)語

在《昆蟲分類模型的訓練》一課中，筆者圍繞課程主題，通過引入生動有趣的場景、借助云算力平臺、組織結(jié)構(gòu)化探究實驗以及開展綜合實踐等教學方法，增強了學生在模型訓練方面的實際應用能力，為中小學人工智能課堂的深度實踐提供了可復制的方案。