张皓烨

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