在这里插入图片描述
在这里插入图片描述

本系列视频致力于在Zynq上实现软硬件协同的Softmax分类器，对图像进行分类。开发环境：win10+vivado2018.3开发套件。硬件采用zynq7020芯片上的PYNQ-Z2开发板（zynq7010以上的板子都适用），数据集选用FASION_MNIST。由浅入深，从理论讲解、Matlab仿真、系统设计、Verilog编写、AXIS接口编写、BlockDesign以及PS部分编码上板测试等步骤。若内容有误烦请指教。请添加图片描述

请添加图片描述
请添加图片描述

# fpga开发 # 神经网络
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

[深度学习]卷积神经网络

本实验基于Python和PyTorch框架比较了LeNet、AlexNet、VGG和ResNet四种经典CNN模型在FashionMNIST数据集上的表现，并重点研究了超参数调整对模型性能的影响。实验结果表明：1）对于所有模型，SGD优化器普遍比Adam表现更好；2）学习率在0.05左右时模型性能最佳；3）增加训练轮数可以提高准确率但会延长训练时间；4）批量大小对模型性能影响相对较小。此外，通过简

avatar 讯飞AI开发者社区
cover

华为云Flexus+DeepSeek征文｜基于华为云Flexus云服务的Dify一键部署

avatar 讯飞AI开发者社区

基于嵌入式系统的智能宠物行为模式预测模型

这种设计使系统在持续运行72小时后仍保持98%的在线率（Table 1）。数据采集系统整合了六类传感器网络：运动传感器（加速度计+陀螺仪）、环境传感器（温湿度+光照）、生物传感器（心率+皮肤电）、视觉传感器（RGB摄像头）、音频传感器（麦克风阵列）和定位传感器（GPS+蓝牙信标）（Figure 1）。数据预处理采用三级流水线：原始数据经过滑动窗口截断（窗口长度5s）、小波变换去噪（db6小波基）和

avatar 讯飞AI开发者社区