自我介绍
大家好！我是材64班的万均扬，这里是我的智能硬件学习日志~
2018年9月7日
今天是智能硬件课程的第一天。在上午，我们的主要任务是了解和安装各种所需要的软件，同时在GitLab和iCenter的Wiki上完成用户注册。具体来说，我们先后安装了Python环境、谷歌开发的TensorFlow机器学习软件、Notepad++、Jupyter Notebook、Android Studio等。接着注册了iCenter的Wiki账号，创建了属于自己的词条和学习日志。然后注册了GitLab的账号，新建了“smartspeaker”的项目。在最后，我们利用GitHub上面简单的函数命令，在Jupyter Notebook上面编辑了一段简单的ReLU函数程序，利用程序绘制出了分段函数图像。
在下午，我们首先安装了Python库（包括pillow和scipy），然后就开始初次尝试使用TenserFlow实现深度学习。我们从陈震老师的GitLab账户saturnlab上面下载了tfExample（即TensorFlow使用例子）的数据集，利用TensorFlow运行了model.py这个程序。这个程序实现的任务是命令计算机对识别手写数字进行学习。在经过了300次的学习后，程序结果显示计算机识别的正确率从0.1左右逐渐提高到了0.9上下，这个结果令我很兴奋~ 总结这一天的经历和收获，说实话可能连入门都算不上。但今天足以激发我对人工智能和机器学习的浓厚兴趣。最后成功运行的程序也让我非常有成就感。我非常期待接下来的学习，希望能尽快地弄懂机器学习的更多原理，掌握到更多编程和软件应用的知识。我相信这些科技成果有朝一日会让社会发生翻天覆地的改变！
2018年9月10日
今天上午，我们首先通过老师的讲解学习了“小度”语音识别智能音响的工作原理，包括人工智能、深度学习、机器学习、神经网络等基础知识。接着，我们从陈老师的GitLab账户saturnlab上面下载了Andriodaudiorecg文件包，并运行电脑中的Andriod Studio搭建了一个APP——AudioRec，并最终在华为平板电脑上安装并使用。这个APP可以实现简单的语音识别，即智能蓝牙音箱中的语音接受的部分程序。我在不同环境（安静与嘈杂）利用几种不同口音的语言对其进行了输入，发现它的识别准确率还挺高。
上午的课程主要关于智能语音识别相关的原理和应用，而下午我们的课程则关注与视觉的图像处理如人脸识别。我们的硬件是PYNQ单片机。在简单了解了PYNQ的设计构造和使用方法之后，我们先体验了一个简单的LED灯控制程序，通过阅读程序，对这个程序进行改造，在jupyter notebook上写出一个新Python程序：利用LED灯进行二进制计数。四盏LED灯可以通过二进制计数法表示从0到15共16个数，我通过编程，让四个按键分别具有计数、清零、暂停、结束程序四个功能，在这个过程中我深刻地体会到了编程的乐趣和成就感~
最后我们进入到真正的人脸识别部分，我们利用PYNQ自带的OpenCV运行了人脸识别程序，下面的图片是我运行程序后的结果。这次尝试让我感受到了图像处理技术的强大和广阔前景。 1.png