课程答辩
1. 基础部分
1.1 keras、tensorflow的搭建及训练
- 讨论了Keras和TensorFlow在深度学习模型搭建和训练中的应用。
- 详细描述了如何使用这两个框架进行模型的训练和验证。
1.2 ECE-FPGA的练习
1.2.1 Vivado环境下封装ip核
- 介绍了如何在Vivado环境下封装ip核。
- 描述了封装ip核的具体步骤和注意事项。
1.2.2 使用Vivado IP集成器创建IPI子系统
- 详细描述了如何使用Vivado IP集成器创建IPI子系统。
- 解释了创建IPI子系统的过程和作用。
1.2.3 用Vivado对FPGA设计进行调试
- 描述了如何使用Vivado对FPGA设计进行调试。
- 解释了调试的步骤和目的。
1.2.4 在IP集成器环境下使用ILA以及VIO IP进行设计的调试
- 详细描述了如何在IP集成器环境下使用ILA以及VIO IP进行设计的调试。
- 解释了使用ILA和VIO IP进行调试的步骤和作用。
1.3 基于FPGA视频图像处理
- 讨论了基于FPGA的视频图像处理技术。
- 描述了FPGA在视频图像处理中的应用和优势。
2. 综合运用
2.1 基于FPGA/ZYNQ的Mnist手写体识别系统搭建
2.1.1 通过TensorFlow框架实现VGG手写数字识别网络的训练
- 详细描述了如何使用TensorFlow框架训练VGG手写数字识别网络。
- 解释了训练的步骤和注意事项。
2.1.2 网络训练与测试
- 描述了如何使用Keras框架训练一个轻量级的VGG网络，并在MNIST数据集，以及用户数据集对网络进行训练和测试。
- 解释了训练和测试的步骤和目的。
2.1.3 可视化训练精确度曲线图
- 描述了如何可视化训练精确度曲线图。
- 解释了可视化曲线图的作用和意义。
2.1.4 将获取的参数进行定点化
- 详细描述了如何将获取的参数进行定点化。
- 解释了定点化的步骤和目的。
2.1.5 硬件实现
- 描述了如何在FPGA上实现手写数字识别功能。
- 解释了实现的过程和步骤。
3. 心得体会
3.1 成员1
- 成员1对课程答辩的心得体会。
3.2 成员2
- 成员2对课程答辩的心得体会。
