查看“智能硬件-实践教学”的源代码

= 课程准备=

==（1）云环境使用==

[http://portal.azure.com/ 微软Azure云]账号创建；

[http://cloud.icenter.tsinghua.edu.cn 工业云]账号创建；

= 声控安卓APP=

==（2）深度学习TensorFlow实践==

GPU的虚拟机创建（微软Azure云）。

[http://gitlab.icenter.tsinghua.edu.cn/saturnlab/tfExample TensorFlow框架的tfExample实验]；

==（3）TensorFlow声控神经网络训练==

[[智能硬件-语音指令集|语音指令]]（实验用）录音文件收集。

[[智能硬件-语音识别|声控神经网络的语音处理和训练]]。（语音训练数据从服务器下载（\\101.6.160.42\saturn））

==（4）Android平台声控APP开发==

安装一下Android studio。安装软件从服务器上下载。

[http://gitlab.icenter.tsinghua.edu.cn/saturnlab/androidAudioRecg 安卓语音识别APP开发]

=[[智能硬件-云端整合 | 声控智能云端整合]]=

==（5） PYNQ端 ==

PYNQ使用（[http://pynq.io PYNQ入门指南]）。PYNQ深入（[http://pynq.readthedocs.io PYNQ]）。

# 调用API录音，发送录音文件或频谱图
录音输入[https://github.com/Xilinx/PYNQ/blob/master/Pynq-Z1/notebooks/examples/audio_playback.ipynb pynq_audio_playback]

==（6）云推断模型AudioNet ==

*基于Flask开发，完成功能：（1）接收录音文件，调用服务端处理程序；（2）运行Keras或者TensorFlow，对频谱图进行判断；（3）返回识别结果。

[http://gitlab.icenter.tsinghua.edu.cn/zhengwenxun/audioNet AudioNet]

= 机器视觉的对象检测=

==YOLO体验==
（1）英伟达Jetson TX1的YOLO算法实验（[https://pjreddie.com/darknet/yolo/ Jetson-TX1_YOLO]）； （2）英伟达Jetson TX1上的[[CUDA|CUDA编程]]。

==SSD体验==
（2）英伟达Jetson TX1的SSD算法实验（[https://myurasov.github.io/2016/11/27/ssd-tx1.html Jetson-TX1_SSD]）；

[[互动设计-建筑学院-课程答辩]]