“智能硬件-实践教学”版本间的差异
来自iCenter Wiki
（→SSD体验） |
|||
| （相同用户的6个中间修订版本未显示） | |||
| 第1行： | 第1行： | ||
= 课程准备= | = 课程准备= | ||
| − | （1）云环境使用 | + | |
| + | ==（1）云环境使用== | ||
[http://portal.azure.com/ 微软Azure云]账号创建； | [http://portal.azure.com/ 微软Azure云]账号创建； | ||
| − | [http://cloud.icenter.tsinghua.edu.cn 工业云 | + | [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 | + | ==（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]； | |
| − | [[智能硬件-语音指令集|语音指令]] | + | ==（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）） | [[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。 | 安装一下Android studio。安装软件从服务器上下载。 | ||
| − | [http://gitlab.icenter.tsinghua.edu.cn/ | + | [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]）。 | 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 | # 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] | 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。 | *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] | [http://gitlab.icenter.tsinghua.edu.cn/zhengwenxun/audioNet AudioNet] | ||
| − | |||
= 机器视觉的对象检测= | = 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]]。 | （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]）； | （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]] | ||
2018年1月15日 (一) 08:01的最后版本
目录
课程准备
（1）云环境使用
微软Azure云账号创建；
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）。
（3）TensorFlow声控神经网络训练
语音指令（实验用）录音文件收集。
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。
声控智能云端整合
（5） PYNQ端
PYNQ使用（PYNQ入门指南）。PYNQ深入（PYNQ）。
- 调用API录音，发送录音文件或频谱图
（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。
机器视觉的对象检测
YOLO体验
（1）英伟达Jetson TX1的YOLO算法实验（Jetson-TX1_YOLO）； （2）英伟达Jetson TX1上的CUDA编程。
SSD体验
（2）英伟达Jetson TX1的SSD算法实验（Jetson-TX1_SSD）；
