【Takk系列】Zynq\FPGA\PYNQ实现的CNN LeNet加速系列视频教学

该系列由浅入深，核心代码行行编写并实时讲解，由7个部分组成：

1. 神经网络的理论基础：包括神经元结构，感知机模型，反向传播等理论介绍以及Matlab实现。便于各位对后续CNN模型有一个理论基础。

2. 卷积神经网络CNN理论基础：包括卷积运算、池化、激活函数、全连接网络层等介绍，同时使用Matlab实现，手写网络，不调用第三方集成库，让各位能够清晰明了实际运算的过程。这是后续进行并行优化设计的基础。

3. CNN硬件优化策略与思路：基于Zynq架构的角度，分析了CNN的硬件实现结构以及各种方案，包括并行分析与网络模型量化等。

4. Zynq HLS实战LeNet：基于HLS高层次综合工具，对LeNet CNN网络进行硬件建模，详细讲解了并行运算与流水线所面临的瓶颈与解决方法，以及详细的HLS代码使用优化策略。并且完成LeNet 的IP 与上板实测。

5. Zynq视频处理系统搭建：基于Zynq架构，使用Vivado中的Block Design设计视频处理的通路，便于各位实时验证上一个部分生成的HLS IP在实时状态下的运行效果。

6. Zynq Verilog实战LeNet：基于Verilog HDL语言对LeNet各个部分，单通道卷积、多通道卷积、池化部分、参数读取、时序同步、并行运算等部分进行了一行一行的代码编写与讲解。

7. 精简网络模型部署至Zynq：该部分为第六部分的实战演练，通过压缩LeNet模型，采用精简的MinLeNet网络在Zynq上进行实时手写数字预测。

实测视频：

实测视频 https://www.bilibili.com/read/cv18546695?spm_id_from=333.999.0.0