查看“2016013212”的源代码

==6月29日：配置服务器环境==
继前一日了解了项目目标并组装了任务所需工作站后，这一日的主要任务就是配置服务器端所需环境。

主要工作为：

* 安装并配置Python 3.5

* 在Python中安装并配置TensorFlow库


值得注意的是，Win10的权限管理较为严格，在我们所使用的那台新机器上，由于未知的配置原因，仅仅使用管理员模式运行也不能成功安装Python。最终问题的解决方法是，创建一个管理权限的explorer来运行安装程序。

在安装TensorFlow的过程中，也有值得注意的地方。我们的新机器虽然是n卡，但是也没装CUDA，所以GPU版的TensorFlow库是不能用了，虽然感觉很浪费机器资源……所以只能用CPU版的。CUDA比较巨大，而且安装不方便，希望下一次开设此挑战项目的时候能够在机器上预装CUDA。

此外，该机器虽然安装了MS VC++ Library，但是其中一个DLL文件版本不对导致TensorFlow安装失败，必须从外网找到合适版本的DLL置于System32来解决此问题。最烦人的是安装过程显示的错误信息与该实际问题毫无关系，不过StackOverflow上提供了很有效的解决方法。

==6月30日：配置并熟悉PYNQ Board环境==
这一天的工作与工作站本身无关了，主要是配置PYNQ。XILINX已经预先写入SD卡，PYNQ也配置好从SD卡启动，这给让我们可以快速开始工作。

PYNQ官网提供的指导非常详尽，只需要按照指示配置计算机直接连接PYNQ的以太网静态IP（192.168.2.0-255），就可以让PYNQ识别所连接的计算机。使用Webkit内核的浏览器访问PYNQ的地址和指定端口，就可以显示XILINX对计算机的界面。界面中提供的功能较多，我们没有一一研究，主要了解了Terminal和代码编译器。

在编译器中，我们依照示例输入、阅读并调试了LED灯程序和录音回放、频谱分析的两个程序。我虽然此前从未使用过Python，但是也很快理解了代码的大意。Python的可读性很强，很接近自然语言，而且代码的冗余信息很少，变量往往不需要声明可以直接赋值使用，这对于编写代码者来说是非常友好的。当然，在这么短的时间内，学通Python也一定是不可能的，所以输入和调试这些代码主要是了解处理声音数据时，常用的库、类和方法有哪些。根据指导书，除了基本的板载元件对应的类和方法（使用板载mic录音并储存文件），fft也是非常重要的，这能得到短时的频率分布；紧接着是通过plot得到频谱图，这是适合传输到服务器进行分析的数据。

代码中有一个思想非常有价值。因为PYNQ的性能有限，所以在fft前，程序先对音频进行降低采样率的处理，有利于快速计算结果。这种处理对于关键信息的损失很小，提高了效率，虽然不一定是必要的，但是是很有用的。