手把手教你用Verilog在FPGA上实现CNN

该系列课程包括12讲：

第一讲    Lenet-5神经网络训练

第二讲    使用verilog在FPGA上实现CNN整体介绍+加法器verilog代码解析和仿真

第三讲    乘法器verilog代码解析和仿真

第四讲    处理单元(Processing Element) verilog代码解析和仿真

第五讲    实现单个窗口卷积(Convolution Unit) verilog代码解析和仿真

第六讲    对输入的image进行数据重排(RFselector) verilog代码解析和仿真

第七讲    执行一个filter与完整image的卷积操作(Single Filter Layer) verilog代码解析和仿真

第八讲    平均池化单元(AvgUnit) verilog代码解析和仿真

第九讲    执行单通道的image平均池化(AvgPoolSingle) verilog代码解析和仿真

第十讲    激活层(Relu) verilog代码解析和仿真

第十一讲 全连接层(Layer) verilog代码解析和仿真

第十二讲 Lenet-5网络模型的verilog整体搭建与仿真验证

该系列课程用到的工具：

vivado 2018.3、tensorflow

该系列课程需要的基础知识：

verilog基本语法、python、深度神经网络基础知识、数电基础知识

该系列课程适合人群：

对神经网络有浓厚兴趣，同时对于FPGA设计开发也有浓厚兴趣并想通过编写verilog代码实现快速上手的人群，是一个软硬件结合的课程，没有基础知识里面也有补充，新手也适宜。做软件想知道怎么在FPGA硬件上快速实现的人，都适宜。