“张志超”版本间的差异

2018年9月11日 (二) 04:58的版本

大家好！我是材料学院材64班张志超，这是我的学习日志。

· Day 1 2018.9.7

上午了解了智能硬件的一些背景知识，以及目前的一些前沿信息，之后则是正式开始前的准备工作，安装与调试软件。

下午开始了初步的上手了解，包括一些简单的python语句和tensorflow的一个例子的讲解，之后尝试着运行了几遍，大致了解了机器学习的流程。和人的学习类似，机器学习也是通过了解大量类似的例子来形成对某种事物的认知，通过对300张手写数字图片的分析提升其对于0-9的手写数字的认知能力。总而言之是一次很难得的体验。

· Day 2 2018.9.10

上午学习了有关人工智能、深度学习和神经网络等方面的一些相关知识，之后尝试使用Android Studio利用已有的代码生成apk文件在平板上运行，基本体验了整个安卓程序产生的流程。

下午开始PYNQ板的认识，介绍了PYNQ板的构造，之后连接电脑开始学习编程，首先了解了一些相关的编程函数，然后利用jupyter notebook开始编程，了解了jupyter的界面和一些功能，随后讲解了一个按键闪灯的示例程序，之后开始自己动手写类似的计数器程序，设计要求思路如下:

button1：计数 button2：清零 button3：暂停/开始 button4：程序终止

根据二进制算法，灯开关两次进一位，以此设计计数器原理。设计最终成功，但存在一个问题，按暂停键时会由于板本身识别灵敏度以及按键时长的原因导致本来按了一次却被识别成了两次的情况出现，但整体还是很满意的。

最后讲解了一个人脸识别的程序代码，并进行了试运行，虽说实验了几次都没成功，貌似戴眼镜时无法识别，但还是很有趣的。

· Day 3 2018.9.11

上午是大课，之后回到教室继续学习。调查有关大公司们对于利用tensorflow进行机器学习等方面的应用情况。我选择了小米公司，搜索之后大致得到了如下结果：

小米对于NLP、图像分类、人脸识别、推荐、广告、异常流量识别等方面均在使用基于tensorflow的开发，还有广告CTR预估等在使用深度的预测模型，还有新闻推荐也在尝试从逻辑回归等传统模型迁移到深度神经网络，还有网络商品推荐和垃圾短信分类等。使用小米的手机等产品时不难发现，近几年移动端确实开始集成了越来越多的机器学习相关的功能包括人脸识别解锁，AI智能拍摄，垃圾短信拦截等。另外小米公司除了原生的tensorflow外还基于此开发了类似于Google的Cloud Machine Learning服务的Cloud ML平台。