“张皓烨”版本间的差异
来自iCenter Wiki
Hy zhang17（讨论 | 贡献） |
Hy zhang17（讨论 | 贡献） |
||
| 第1行： | 第1行： | ||
| − | 2018.8.24 | + | == 2018.8.24== |
| − | + | === 学习内容 === | |
* 课程内容简介 | * 课程内容简介 | ||
* 机器智能应用：声控音响 | * 机器智能应用：声控音响 | ||
* 深度学习及神经网络原理讲解 | * 深度学习及神经网络原理讲解 | ||
* 视觉对象检测应用举例：物体识别 | * 视觉对象检测应用举例：物体识别 | ||
| − | + | === 课程任务 === | |
* 下载课程所需软件 | * 下载课程所需软件 | ||
* 注册wiki并以姓名创建词条 | * 注册wiki并以姓名创建词条 | ||
* 注册github | * 注册github | ||
| − | * 完成24句话的录音 | + | * 完成24句话的录音 |
| + | == 2018.8.27 == | ||
| + | === 学习内容 === | ||
| + | ==== 上午 ==== | ||
| + | * 利用命令提示符进行软件安装 | ||
| + | * 激活函数绘制：ReLU函数 | ||
| + | * TensorFlow文字识别实践：代码理解、TensorBoard显示 | ||
| + | * Keras代码应用实践 | ||
| + | * 神经网络结构讲解：全连接网络、卷积网络、循环网络 | ||
| + | ==== 下午 ==== | ||
| + | * PYNQ板简介：结构、应用 | ||
| + | * PYNQ板实践任务：Buttons and Leds demonstration代码理解及板上实验；利用四个LED灯编程制作0—15二进制计数器，要求四个按键功能分别为：计数加一、计数归零、锁死及解锁、结束程序（利用if-else结构遍历虽然思路简单但是编写复杂，且难以处理更多的情况，需要进行优化） | ||
| + | * Keras代码进一步讲解： | ||
| + | import tensorflow as tf | ||
| + | mnist = tf.keras.datasets.mnist | ||
| + | (x_train, y_train),(x_test, y_test) = mnist.load_data() | ||
| + | x_train, x_test = x_train / 255.0, x_test / 255.0 | ||
| + | |||
| + | /*神经网络模型建立*/ | ||
| + | model = tf.keras.models.Sequential([ | ||
| + | tf.keras.layers.Flatten(),/*展开层*/ | ||
| + | tf.keras.layers.Dense(512, activation=tf.nn.relu),/*全连接层，激活函数为relu函数*/ | ||
| + | tf.keras.layers.Dropout(0.2),/*屏蔽20%的数据，防止过学习*/ | ||
| + | tf.keras.layers.Dense(10, activation=tf.nn.softmax)/*全连接层，激活函数为softmax函数*/ | ||
| + | ]) | ||
| + | |||
| + | /*训练部分*/ | ||
| + | model.compile(optimizer='adam',/*优化，采用梯度下降法*/ | ||
| + | loss='sparse_categorical_crossentropy',/*损失量，以交叉熵计算*/ | ||
| + | metrics=['accuracy'])/*度量准确度*/ | ||
| + | |||
| + | /*测试部分*/ | ||
| + | model.fit(x_train, y_train, epochs=5)/*进行5个时代*/ | ||
| + | model.evaluate(x_test, y_test) | ||
| + | 代码来源：https://tensorflow.google.cn/tutorials/ | ||
| + | * 在http://playground.tensorflow.org网站上进行神经网络模型及深度学习过程体验 | ||
| + | === 课程任务 === | ||
| + | * 其他激活函数代码试验及理解 | ||
| + | * 下载28日上午所需课件 | ||
| + | * 预习书第6章 | ||
2018年8月27日 (一) 14:10的版本
2018.8.24
学习内容
- 课程内容简介
- 机器智能应用：声控音响
- 深度学习及神经网络原理讲解
- 视觉对象检测应用举例：物体识别
课程任务
- 下载课程所需软件
- 注册wiki并以姓名创建词条
- 注册github
- 完成24句话的录音
2018.8.27
学习内容
上午
- 利用命令提示符进行软件安装
- 激活函数绘制：ReLU函数
- TensorFlow文字识别实践：代码理解、TensorBoard显示
- Keras代码应用实践
- 神经网络结构讲解：全连接网络、卷积网络、循环网络
下午
- PYNQ板简介：结构、应用
- PYNQ板实践任务：Buttons and Leds demonstration代码理解及板上实验；利用四个LED灯编程制作0—15二进制计数器，要求四个按键功能分别为：计数加一、计数归零、锁死及解锁、结束程序（利用if-else结构遍历虽然思路简单但是编写复杂，且难以处理更多的情况，需要进行优化）
- Keras代码进一步讲解：
import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0
/*神经网络模型建立*/ model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(),/*展开层*/ tf.keras.layers.Dense(512, activation=tf.nn.relu),/*全连接层，激活函数为relu函数*/ tf.keras.layers.Dropout(0.2),/*屏蔽20%的数据，防止过学习*/ tf.keras.layers.Dense(10, activation=tf.nn.softmax)/*全连接层，激活函数为softmax函数*/ ])
/*训练部分*/
model.compile(optimizer='adam',/*优化，采用梯度下降法*/
loss='sparse_categorical_crossentropy',/*损失量，以交叉熵计算*/
metrics=['accuracy'])/*度量准确度*/
/*测试部分*/ model.fit(x_train, y_train, epochs=5)/*进行5个时代*/ model.evaluate(x_test, y_test)
代码来源：https://tensorflow.google.cn/tutorials/
- 在http://playground.tensorflow.org网站上进行神经网络模型及深度学习过程体验
课程任务
- 其他激活函数代码试验及理解
- 下载28日上午所需课件
- 预习书第6章
