“王绍航”版本间的差异
（添加“个人简介”以及“学习笔记”） |
（填填补补QAQ） |
||
| （相同用户的2个中间修订版本未显示） | |||
| 第1行： | 第1行： | ||
== 个人简介 == | == 个人简介 == | ||
精密仪器系七字班咸鱼，肥宅生活却从来长不胖，爱好追番电影打游戏，Ingress绿军玩家 | 精密仪器系七字班咸鱼，肥宅生活却从来长不胖，爱好追番电影打游戏，Ingress绿军玩家 | ||
| − | [http:// | + | [http://everness.tk Learn more……] |
== 学习笔记 == | == 学习笔记 == | ||
=== 第二节课 === | === 第二节课 === | ||
| − | + | 讲授了一部分基本Git用法，初识PYNQ板，运行PYNQ实例。 | |
| + | === 第三节课 === | ||
| + | 进行了PYNQ板实验，掌握了PYNQ板上上一些传感器的使用，也自己学习了一些Python的基础。 | ||
| + | === 第四节课 === | ||
| + | 练习音频处理和视频获取及人脸识别，认识了OpenCV库。 | ||
| + | === 第五节课 === | ||
| + | 学习了深度学习的数学原理以及梯度下降法的核心思想，了解了神经网络的一些基本算法，如卷积等；初始Tensorflow，用demo了解了初始随机参数、步进值、损失函数在深度学习中的作用。 | ||
| + | === 第六节课 === | ||
| + | 主要介绍了numpy库的使用，学会了利用np库和matplotlib库画函数图像；介绍了Tensorflow框架中“图”的用法和其模型搭建的流程，认识了深度学习最重要的数据集，并布置了上传唤醒词音频组成数据集的任务。 | ||
| + | === 第七节课 === | ||
| + | 更加深入了解Tensorflow框架对多种深度学习算法的实现，并对图像识别、语音识别、机器翻译等多种应用场景的具体实现方式有了一定的了解，掌握了Keras库的一些用法，介绍了智能音箱唤醒词的具体训练方式，并布置了借助GPU服务器独立训练唤醒词模型的任务。 | ||
| + | === 第八节课 === | ||
| + | 借助助教提供的App包，使用自己训练出的唤醒词模型编译了语音识别小程序，实现了录入唤醒词和指令的准确识别。 | ||
| + | === 第九节课 === | ||
| + | 介绍了YOLO的图像识别demo，课后实现了YOLO模型下的实时物体识别分类；介绍了Jetson TX2的硬件配置与应用方向。 | ||
| + | === 第十节课 === | ||
| + | 开始对Jetson板的刷机，由于下载文件问题进展缓慢。 | ||
| + | === 第十一节课 === | ||
| + | 完成刷机任务，成功刷入Jetpack 3.3，并安装了Tensorflow框架；助教简单介绍了ROS开源机器人系统，对课程最后的大作业进行了说明。 | ||
| + | === 第十二节课 === | ||
| + | 这次课程是体验性课程，主要是体验Aelos机器人的控制和动作的编写，最后进行了机器人拳击比赛，场面一度十分搞笑。 | ||
| + | === 第十三节课 === | ||
| + | 邀请了Momenta的研发总监进行讲座，了解到了无人驾驶领域的发展现状及广阔前景，可以看到，无人驾驶作为一个前沿产业，很受投资者的青睐，但也同时存在许多技术难关等待突破，可以预见在接下来的一段时间中该产业将继续保持良好发展的态势。 | ||
| + | === 第十四节课 === | ||
| + | 邀请了升值科技的李先生进行讲座，了解到了智能音箱以及智能物联网的模块化工作原理，可以看到在“物联网入口”的巨大市场下，谁能提供良好的框架，便能占尽市场先机。 | ||
| + | == 课程总结 == | ||
| + | 通过这门课程中，我对人工智能方向多个领域都有了初步的了解，我认为这门课程的定位属于概论型课程，在授课的过程中我也发现了一些自己的兴趣点，并对其自主学习，收获颇丰。 | ||
2019年6月18日 (二) 06:35的最后版本
目录
个人简介
精密仪器系七字班咸鱼，肥宅生活却从来长不胖，爱好追番电影打游戏，Ingress绿军玩家 Learn more……
学习笔记
第二节课
讲授了一部分基本Git用法，初识PYNQ板，运行PYNQ实例。
第三节课
进行了PYNQ板实验，掌握了PYNQ板上上一些传感器的使用，也自己学习了一些Python的基础。
第四节课
练习音频处理和视频获取及人脸识别，认识了OpenCV库。
第五节课
学习了深度学习的数学原理以及梯度下降法的核心思想，了解了神经网络的一些基本算法，如卷积等；初始Tensorflow，用demo了解了初始随机参数、步进值、损失函数在深度学习中的作用。
第六节课
主要介绍了numpy库的使用，学会了利用np库和matplotlib库画函数图像；介绍了Tensorflow框架中“图”的用法和其模型搭建的流程，认识了深度学习最重要的数据集，并布置了上传唤醒词音频组成数据集的任务。
第七节课
更加深入了解Tensorflow框架对多种深度学习算法的实现，并对图像识别、语音识别、机器翻译等多种应用场景的具体实现方式有了一定的了解，掌握了Keras库的一些用法，介绍了智能音箱唤醒词的具体训练方式，并布置了借助GPU服务器独立训练唤醒词模型的任务。
第八节课
借助助教提供的App包，使用自己训练出的唤醒词模型编译了语音识别小程序，实现了录入唤醒词和指令的准确识别。
第九节课
介绍了YOLO的图像识别demo，课后实现了YOLO模型下的实时物体识别分类；介绍了Jetson TX2的硬件配置与应用方向。
第十节课
开始对Jetson板的刷机，由于下载文件问题进展缓慢。
第十一节课
完成刷机任务，成功刷入Jetpack 3.3，并安装了Tensorflow框架；助教简单介绍了ROS开源机器人系统，对课程最后的大作业进行了说明。
第十二节课
这次课程是体验性课程，主要是体验Aelos机器人的控制和动作的编写，最后进行了机器人拳击比赛，场面一度十分搞笑。
第十三节课
邀请了Momenta的研发总监进行讲座，了解到了无人驾驶领域的发展现状及广阔前景，可以看到，无人驾驶作为一个前沿产业，很受投资者的青睐，但也同时存在许多技术难关等待突破，可以预见在接下来的一段时间中该产业将继续保持良好发展的态势。
第十四节课
邀请了升值科技的李先生进行讲座，了解到了智能音箱以及智能物联网的模块化工作原理，可以看到在“物联网入口”的巨大市场下，谁能提供良好的框架，便能占尽市场先机。
课程总结
通过这门课程中，我对人工智能方向多个领域都有了初步的了解，我认为这门课程的定位属于概论型课程，在授课的过程中我也发现了一些自己的兴趣点，并对其自主学习，收获颇丰。
