PYNQ-Z2初识(四)——BNN（二值化神经网络）

BNN神经网络

二值神经网络是在浮点神经网络的基础上，对权值和激活值（特征值）做二值化处理，即取值是+1或-1。BNN网络结构与CNN相同，主要在梯度下降、权值更新、卷积运算上做了一些优化处理。

BNN可以用于嵌入式或移动场景，这些场景没有GPU且计算能力和存储容量相对较弱且限制较大。

二值化

PYNQ上的BNN

导入BNN压缩包

百度网盘地址提取码：630r

csdn地址
所有内容皆来源于铱元素科技的pynq直播课

打开192.168.2.99进入jupyterbook
upload我们的bnn_pynq.zip压缩包

通过python脚本实现解压缩

（当然了，其实你完全可以解压完了再上传到jupyter notebook）
首先新建一个python脚本，输入以下代码

import zipfile
f = zipfile.ZipFile("./bnn_pynq.zip","r")
for file in f.namelist():
    f.extract(file,"./BNN")
f.close()

简单解释：
Python 中 zipfile 模块提供了对 zip 压缩文件的一系列操作。
f=zipfile.ZipFile(“test.zip”,mode="")
其中的mode可以为

• r:解压
• w:压缩
• a:追加压缩

此处我们使用了r，解压。

接下来是将文件解压到目录
f.extract(file,"./BNN")
其参数为文件名和目标路径。（可选参数pwd = “密码!”）

ok现在在BNN路径下有我们的解压结果了，可以把压缩包无情删除。

案例1：MNIST数字识别

基本加载

打开第一个案例 01_BNN_MNIST

首先第一步是导入必要的库（python用多了满脑子调库）

import bnn
print(bnn.available_params(bnn.NETWORK_LFC))
classifier = bnn.PynqBNN(network=bnn.NETWORK_LFC)  # 初始化分类器

这其实是一个自定义的overlay，在/BNN/bnn_pynq/bitstreams中可以看到。

接下来加载神经网络的参数，这里使用mnist
(MNIST 手写数字识别可是被誉为神经网络里的hello world啊hhhhh)

classifier.load_parameters("mnist")

载入图像

加载图像image.jpg(pillow库估计大伙都挺熟了)，然后做一些图像增强之类的。

from PIL import Image as PIL_Image
from PIL import ImageEnhance
from PIL import ImageOps

orig_img_path = 'image.jpg'
# !fswebcam  --no-banner --save {orig_img_path} -d /dev/video0 2> /dev/null # Loading the image from the webcam

img = PIL_Image.open(orig_img_path).convert("L")                          # convert in black and white
#Image enhancement                
contr = ImageEnhance.Contrast(img)
img = contr.enhance(3)                                                    # The enhancement values (contrast and brightness) 
bright = ImageEnhance.Brightness(img)                                     # depends on backgroud, external lights etc
img = bright.enhance(4.0)          

#Adding a border for future cropping
img = ImageOps.expand(img,border=80,fill='white') 
img

其输出img结果为