20 分钟
从像素到类别
观察像素特征经过网络连接形成类别概率。- 像素输入
- 加权连接
- 类别概率
- 图像分类基础小课讲解完成前置活动后解锁
- 星宝前向传播示范演示完成前置活动后解锁
课程详情
图像分类与神经网络
追踪像素特征经过加权连接变成类别分数的全过程。
- 课节
- 2
- 任务
- 5
- 实验
- 2
- 评价
- 1
- 预计时长
- 45 分钟
课程进度0 / 5
完成前置课程后解锁
课程目标
描述输入层到输出层的数据流
学习安排
2 节课，按完成条件依次解锁
学习证据
讲解确认、确定性练习或实验记录
能力自测
已经了解了吗？
用一组短题检查自己是否掌握了本课核心概念，再决定继续练习还是回看讲解。课程目录
按单元完成学习活动
追踪像素、特征和加权连接。
图像如何变成类别分数
已锁定0 / 2 项活动
追踪像素、特征和加权连接。
图像如何变成类别分数
已锁定0 / 2 项活动
0% 完成 · 2 项活动
从引导实验逐步独立完成评价。
图像分类实验
已锁定0 / 3 项活动
从引导实验逐步独立完成评价。
图像分类实验
已锁定0 / 3 项活动
0% 完成 · 3 项活动
25 分钟
控制变量并解释结果
完成引导和独立图像分类实验，保存可核对证据。- 像素输入
- 加权连接
- 类别概率
- 图像分类引导实验引导实验完成前置活动后解锁
- 图像分类独立实验独立实验完成前置活动后解锁
- 图像分类知识点评价阶段评价完成前置活动后解锁
知识资料室
本课资料与证据
学习资源
图像分类与神经网络材料库
可生成适配当前学段的讲义与课件
课堂演示建议
把本课动画步骤录成 3–5 分钟短讲解，暂停在每个检查点让学生先预测再验证。
- 像素透明网格用于“图像分类与神经网络”的观察、操作或记录。
- 权重连接条用于“图像分类与神经网络”的观察、操作或记录。
- 逐层数值记录单用于“图像分类与神经网络”的观察、操作或记录。
本课术语 资料版本 1
- 权重
- 特征对类别分数的影响大小。
- 类别分数
- 模型对每个类别的相对支持程度。
失败案例与补救
观察：低质量图片的最高分也被直接采信。
下一步：保留不确定性，并与真实标签或更多证据核对。
需要再练一次？从本课题目开始补救，错误记录会保留并形成新的证据。
进入本课补救练习权威参考
以下链接来自标准机构或项目官方文档，不替代教材版本。