“智能硬件-实践教学”版本间的差异
来自iCenter Wiki
| 第1行： | 第1行： | ||
| − | + | = 课程准备= | |
（1）云环境使用 | （1）云环境使用 | ||
| 第6行： | 第6行： | ||
[http://cloud.icenter.tsinghua.edu.cn 工业云]]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 | （2）深度学习TensorFlow实践 | ||
| 第24行： | 第24行： | ||
[http://gitlab.icenter.tsinghua.edu.cn/zhengwenxun/androidAudioRecg 安卓语音识别App开发] | [http://gitlab.icenter.tsinghua.edu.cn/zhengwenxun/androidAudioRecg 安卓语音识别App开发] | ||
| − | + | =声控[[智能硬件-云端整合]]= | |
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]）。 | ||
| 第39行： | 第39行： | ||
| − | + | = 机器视觉的对象检测= | |
（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]]。 | ||
（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]）； | ||
2017年6月17日 (六) 05:31的版本
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
微软Azure云带GPU的虚拟机创建，TensorFlow框架的tfExample实验；
（3）TensorFlow声控神经网络训练
语音指令录音文件（实验用）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）安卓平台声控app开发
安装一下Android studio。安装软件从服务器上下载。
声控智能硬件-云端整合
PYNQ使用（PYNQ入门指南）。PYNQ深入（PYNQ）。
- PYNQ端
- 调用API录音，发送录音文件或频谱图
- 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
（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。
（2）英伟达Jetson TX1的SSD算法实验（Jetson-TX1_SSD）；
