CNN卷积神经网络 FPGA加速器实现(小型)CNN FPGA加速器实现(小型) 仿真通过，用于foga和cnn学习 通过本工程可以学习深度学习cnn算法从软件到硬件fpga的部署。 网络软件部分基于tf2实现，通过python导出权值，硬件部分verilog实现，纯手写代码，可读性高，高度参数化配置，可以针对速度或面积要求设置不同加速效果。 参数量化后存储在片上ram，基于vivado开发。 直接联系提供本项目实现中所用的所有软件( python)和硬件代码( verilog)。 本篇文档主要探讨了如何将CNN卷积神经网络算法从软件层面迁移到硬件层面，具体来说就是使用FPGA硬件加速器来实现CNN模型。文档中提到的“小型CNN FPGA加速器”指的是针对卷积神经网络的小型化硬件实现，该项目已经通过了仿真测试，并且可用于深度学习领域的研究与教学。 文档描述了整个CNN算法的软件部分是基于TensorFlow 2框架实现的，这一部分主要是用Python编程语言来完成。在软件层面上，它包括了将CNN模型的权重导出的步骤。硬件实现则是通过Verilog硬件描述语言来完成的，这部分代码是完全手动编写的，保证了高可读性和便于理解。此外，该FPGA加速器设计是高度参数化的，允许用户根据对速度或面积的不同需求来配置加速效果。 在设计过程中，对参数进行了量化处理，并将这些量化后的数据存储在片上RAM中。整个设计过程是在Xilinx的Vivado开发环境中进行的。文档还提到，提供本项目实施中所使用的所有软件代码和硬件代码，这表明项目具有开放性，便于其他研究者和开发者进行学习和实验。 从文档提供的文件名称列表来看，包含了多个与项目相关的文件，这些文件很可能包含了项目的设计细节、实现方法、仿真结果和版图解析等内容。例如，“卷积神经网络加速器实现小版图解析”可能详细描述了FPGA加速器的硬件布局，“卷积神经网络加速器实现从软件到”可能探讨了从软件算法到硬件实现的转换过程。这些文件是了解和学习该项目不可或缺的资源。 本项目是一个将深度学习算法从软件迁移到FPGA硬件平台的实践案例，通过结合TensorFlow 2和Verilog语言，实现了一个可配置参数的CNN模型加速器。项目的设计充分考虑到了代码的可读性和灵活性，并提供了完整的实现代码，便于研究和教育使用。

ISO 26262 2018-6软件部分，主要涉及功能安全方面，值得推荐

智慧社区平台解决方案（软件部分）

计算机网络创新活动软件部分-Mail-Sender邮件发送器-指导教师-

本科毕业论文(设计)基于单片机数字电子秤的设计(软件部分)

软件工程 课程设计 学校教材订购系统（软件部分）

智能小车程序调试流程 Step1： Step2： Step3： 1. 车模的硬件电路结构； 2. 车模运行可能遇到的路况及处理方法； 3. 编写车模运行流程框图。 1. 根据程序流程图，编写程序； 2. 编译、调试、修改程序； 3. 掌握程序调试的方法与技巧。 1. 下载程序； 2. 车模调试； 3. 修改、完善程序。 三、Keil软件使用、程序的下载与调试

matlab写dsp代码 ticup 2020年第八届浙江省大学生电子设计竞赛（E题软件部分代码） 基于STM32F103野火开发板 工具链 编译：GNU Make + arm-none-eabi-gcc 调试：minicom + pyserial 烧写： 目录 说明 debug/ 串口调试辅助用python、matlab脚本 Libraries/ 函数库（CMSIS、FWlib、DSP） User/ 用户代码 编译 & 程序下载 make && st-flash --format ihex write build/main.hex Note Releases里有预编译好的二进制文件，分为正式版本和debug版本，可直接烧写

D74 写频软件 (部分)中文

Ar_project 本人参加2020全国大学生物联网设计大赛所做项目负责的软件部分，获得华东赛区特等奖、全国总决赛二等奖。 该项目包含了导航系统、语音系统、目标检测系统三个部分，涵盖语音唤醒、语音识别、语音合成、语音导航、聊天机器人、目的地搜索、路径规划、车道分割、目标检测(车、车牌、违规车、路标等)、车牌识别等一整套快速解决方案！（附带的两个模型为基于玩具车和模型道路数据集的....） 项目技术架构如下图 目录结构 Project ├─AR_project_PI │ │ ARPImain.py //树莓派客户端主程序,用于调度树莓派端一切数据传输线程、界面更新、信号处理等，整合树莓派端的语音控制系统、导航系统、数据传输系统 │ │ ARui.py //主界面类，调用webBrowser类实现内嵌浏览器功能，定义所有界面信号的槽函数 │ │ Arrowclass.py //箭