== 2018.8.24<br />==学习内容：=== 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：=== 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<br == 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