2018012036——兰欣泽

7.5上午 幸运地被抽签抽中来到智能硬件与智能系统的课程，上午初步了解了PYNQ板的使用和调试，并在0基础的情况下现场学习Python，之后体验了PYNQ板的灯光控制和光传感功能，单独实验的两项较为简单，没有出什么BUG，之后我们将两项功能结合起来，通过光传感进行智能灯光控制，在黑暗时（设定光强小于20）点亮LED和RGBLED，在亮时（光强大于20）关闭LED和RGBLED，最终成功实现。

7.5下午 我们体验了人脸识别和语音功能，人脸识别功能虽然出了些BUG（可能是因为与摄像头不匹配或算法不完善），但在更换摄像头后还是较为成功地实现了人脸识别（虽然只识别除了脸、眼睛和鼻子），之后和上午类似，我们将二者结合，在人脸识别系统的代码中找到一个能显示成功识别的变量（我选择了识别出脸的坐标不为0），然后通过这个变量控制语音功能，输出welcome，成功进行智能迎宾，我们还讨论了如何在不能实现连续拍照的情况下进行迎宾，最终讨论出可以增加重力传感器、光学传感器或开关（分别模拟人站到门前、人走到门前或人按门铃），在传入信号后才进行人脸识别，成功智能迎宾，这个可以在再多学一些知识之后进行实现。

7.6上午 被通知到周六要来上课，其实还挺开心，因为能学到很多有用并感兴趣的知识，上午在郭老师的带领下，我们进行了一些软件的安装，如python3.7、git、tensorflow等，并且通过ppt等方式简单了解了机器学习和深度学习的特点和区别。

7.6下午 下午陈老师带领我们上课，系统地为我们讲解了python和给got的简单使用、tensorflow中最基本概念——tensor、神经网络的基本构建原理、CNN&RNN Dense&CNN 学习路线以及神经网络训练的一些知识，我们还激烈讨论了如何具体在神经网络训练时求出loss函数梯度的问题，大家激烈的思想思维交流也让我收获很多。

7.7上午 陈老师领我们深入学习了CNN卷积神经网络、RNN循环神经网络等神经网络构建的方式，探讨了它们的区别与优劣性，我们还在https://playground.tensorflow.org上在线模拟了神经网络构建的方式与过程，具象化地了解了weight、batch size、layers、noise等神经网络构建时的基本概念，对神经网络的概念更加清晰了。

7.8上午 上午我们主要为了完成一个能在Android系统上运行的语音识别软件，为此我们先学习了语音识别的一些知识，语音识别需要先采集大量样本，然后用GPU工作站构建深度神经网络进行训练，然后用简单的软件——AndroidAudioRec进行测试并改进，最后同构AndroidStudio将该神经网络部署到硬件平台上，由于无法翻墙的原因，部分代码不是很成功，所以最后一步出了点BUG。