查看“张皓烨”的源代码

== 2018.8.24==
=== 学习内容 ===
* 课程内容简介
* 机器智能应用：声控音响
* 深度学习及神经网络原理讲解
* 视觉对象检测应用举例：物体识别
=== 课程任务 ===
* 下载课程所需软件
* 注册wiki并以姓名创建词条
* 注册github
* 完成24句话的录音
== 2018.8.27 ==
=== 学习内容 ===
==== 上午 ====
* 利用命令提示符进行软件安装
* 激活函数绘制：ReLU函数
* TensorFlow文字识别实践：代码理解、TensorBoard显示
* Keras代码应用实践
* 神经网络结构讲解：全连接网络、卷积网络、循环网络
==== 下午 ====
* PYNQ板简介：结构、应用
* PYNQ板实践任务：Buttons and Leds demonstration代码理解及板上实验；利用四个LED灯编程制作0—15二进制计数器，要求四个按键功能分别为：计数加一、计数归零、锁死及解锁、结束程序（利用if-else结构遍历虽然思路简单但是编写复杂，且难以处理更多的情况，需要进行优化）
* Keras代码进一步讲解：
 import tensorflow as tf
 mnist = tf.keras.datasets.mnist
 (x_train, y_train),(x_test, y_test) = mnist.load_data()
 x_train, x_test = x_train / 255.0, x_test / 255.0

 /*神经网络模型建立*/
 model = tf.keras.models.Sequential([
   tf.keras.layers.Flatten(),/*展开层*/
   tf.keras.layers.Dense(512, activation=tf.nn.relu),/*全连接层，激活函数为relu函数*/
   tf.keras.layers.Dropout(0.2),/*屏蔽20%的数据，防止过学习*/
   tf.keras.layers.Dense(10, activation=tf.nn.softmax)/*全连接层，激活函数为softmax函数*/
 ])

 /*训练部分*/
 model.compile(optimizer='adam',/*优化，采用梯度下降法*/
               loss='sparse_categorical_crossentropy',/*损失量，以交叉熵计算*/
               metrics=['accuracy'])/*度量准确度*/

 /*测试部分*/
 model.fit(x_train, y_train, epochs=5)/*进行5个时代*/
 model.evaluate(x_test, y_test)
代码来源：https://tensorflow.google.cn/tutorials/
* 在http://playground.tensorflow.org网站上进行神经网络模型及深度学习过程体验
=== 课程任务 ===
* 其他激活函数代码试验及理解
* 下载28日上午所需课件
* 预习书第6章