查看“2016012128”的源代码

2017年6月30日

试用PYNQ板 

阅读Python示例代码

完成调试pynq audio部分


2017年7月1日


今天延续昨天的教学实验，进一步完成了usb_webcam 和opencv_filter_webcam的例子运行。

通过对pynk板进行调试，将其输出接口与显示器相连接，运行代码即可以拍摄出照片，还可以将照片属性进行改变，旋转或转换成黑白轮廓，得到处理后的图片。

我们可以从这几个例子中看到利用python代码可以控制pynq板实现功能，显示器或者耳机只是提供输出端的途径。

下午我们首先听了老师对两个pdf文件的解读，大致明白了利用tensorboard对数据进行训练的原理，然后使用tensorflow来训练系统，识别图片。远程连接电脑并下载了dota（为了利用速度更快的GPU）之后用cmd执行了tfExample文件，进行了简单的操作，在tensorbroad上显示出了最终结果，一个十维向量在三维的表示。

在老师的讲解和助教对代码的解读之后，我明白了tensorflow对图形化界面的识别其实是一个反馈调节的过程，不断修改权重分布， 最终能将输入数据进行分类。这与代数中的矩阵运算相关，其实是一个强行计算的过程。学习的次数越多，分类识别越精准，正是深度学习次数太少，我们点击一个九，会看到七等数字也被化为同类，这就说明反馈的过程是存在一定的容错性的。如果这个反馈进行上万次，深度学习就会更加精准，应用范围也是非常广的。