基于PYNQ实现神经网络目标识别——总贴

项目干了一半了，一共有3项：
有监督（完结）
小样本（识别速度需要优化）
无监督（10.30开始）

打算做无监督这一项的同时开始记录这一整套的流程：
1.python生成较好的网络模型。
2.将网络模型中所有权重及偏差参数导出生成为.bin文件。
3.在vivado hls中以C语言复现网络模型，获取权重.bin文件参数固化在网络代码中，并导入test bench文件验证C语言复现神经网络的正误。
4.在vivado hls中对网络模型优化，延时与资源的优化，最后生成ip核。
5.在vivado中导入ip核与ZYNQ核，自动布线，设置BUS的个数，生成.bit文件和.tcl文件，拷贝到pynq-z2板卡中。
6.查看vivado hls中生成ip核的接口偏移位置（offset），在jupyter上编写代码用于调用ip核。
注：vivado hls 建立工程时选取芯片
vivado 建立工程时选取板卡pynq-z2（将board file添加到vivado的board file路径下）（即可自动设置接口连接的参数）
pynq-z2板卡的速度为-1

建立此贴并分章节记录细节。