“2016012144”版本间的差异
来自iCenter Wiki
Vitor Shen（讨论 | 贡献） |
Vitor Shen（讨论 | 贡献） （→2017年6月30日） |
||
| 第3行： | 第3行： | ||
==2017年6月30日== | ==2017年6月30日== | ||
| − | + | 主要完成pynq板调试与安装，其中主要花了較長時間在安裝PYNQ上。 | |
| + | 根据老师说指导我们并提供了在pyno.io上的PYNQ入门指南进行初步 | ||
| + | 的简介，主要硬件为PYNQ开发板、SD卡以及网线等。 | ||
| + | 其中，安装时也需要安装到Python语言程式以及利用Jupyter进行各种调节，详情可参与pyno.io上的官方指南。 | ||
| + | 这天，我对于PYNQ这个“微型电脑”开始有了初步了解，感到很神奇并且在安装完成时有一点期待。 | ||
==2017年7月1日== | ==2017年7月1日== | ||
2017年7月2日 (日) 18:34的版本
沈偉棟學習日誌記錄（以日子分隔）
2017年6月30日
主要完成pynq板调试与安装，其中主要花了較長時間在安裝PYNQ上。 根据老师说指导我们并提供了在pyno.io上的PYNQ入门指南进行初步 的简介，主要硬件为PYNQ开发板、SD卡以及网线等。 其中，安装时也需要安装到Python语言程式以及利用Jupyter进行各种调节，详情可参与pyno.io上的官方指南。 这天，我对于PYNQ这个“微型电脑”开始有了初步了解，感到很神奇并且在安装完成时有一点期待。
2017年7月1日
- 上午主要实验了 PYNQ 中 USB Webcam 与 OpenCV Filters Webcam 功能的实现
- 下午主要对TensowFlow tfExample进行操作性练习以试图熟悉与理解
在tfExample中进行了TensorBoard展示的操作试验：TensorBoard是TensorFlow自带的图形化工具，可以展示出网络训练（内部权重和偏振）的效果，使用了MNIST数据集的训练过程并以TensorBoard展示。
通过这些天，尤其这天，对于本来基本上没有学过编程（一看就觉得无所适从的我）来说是个好的开始，只少在操作中透过老师们与同学们的协助与交流后令我有了大致的体会。以及也能看出PYNQ这个“电脑”里的各种功能对于原本需要复杂程序运行的简化使使用者/开发者能更简便地编码指令（包括用到Python语言,TensorFlow系统）。
值得一提的是：当天老师跟我们讲解了Deep Learning -tutorial 的一些基本概念与原理，以及关于神经网络训练的相关内容。
- 以下为PYNQ 中 USB Webcam 与 OpenCV Filters Webcam 功能的效果图
OpenCV Filters Webcam
USB Webcam （包括灰度图与旋转）
其中
OpenCV Filters Webcam
USB Webcam （原图）
USB Webcam （灰度图）
USB Webcam （旋转图）
- 可见按PYNQ中范例语句实验操作效果如下：
.png)
- 以下为TensorBoard展示MNIST数据训练结果
