从C 到 matlab 到 FPGA，如何实现CNN的项目

经过了前面的开胃菜，项目正式开始。一步步讲解这个模型怎么玩起来的。从C 到 matlab 到 FPGA ，三个平台联合起来完成这个 由 RTL 实现 CNN 的项目。

第一步，讲解深度学习模型在C中是怎么实现的，也就是梳理数据流怎么运算的。

第二步，讲解这个数据怎么使用，如何去一步步验证自己的设计。

第三步，根据前面的理解，在FPGA中如何去设计自己的代码。

首先，C的源码前面的文章中已经公开了，第一步当然是理解深度学习模型在C中是怎么实现的。

这个深度学习的模型 LeNet5 实现的功能是 MNIST 数据识别。MNIST数据集是一个手写数字的图片集，然后被制作成了一个特殊的文件格式 —— 已经不是图片了，变成了这么一个东西：

网站上下载下来的是一个gz压缩文件，解压之后就是一个idx3-ubyte格式的文件。它包含了6w张用来做网络模型训练的图片，和1w张用来测试网络模型的图片。每张图片再搭配一个标签 —— 表明它是数据几。所以整个数据集就是 7w张图片 加 7w个标签。

不过你可以通过python轻松导出来，可以看到具体的图片和标签。解释这么多也够用了，有兴趣的朋友可以百度一下 MNIST ，比如下图，就是一个博主从数据集里扒出来的图。

先理解了数据集，再看看 C语言源码。第一步先分别导入训练数据集和标签，再导入里测试数据集和标签，然后开始 load 模型 —— 第一次运行模型为空，于是对模型进行初始化。细心一点往下看这个初始化过程会觉得很有特色 —— 刻意让数据很随机，让它们都不相同是有好处，具体什么好处可以去看看吴恩达的视频。（我看了，云里雾里的还是不懂，所以也解释不清楚）

后面就是训练和测试了，for是我后面添加的，可以让它训练很多次，提升精度。下面就是测试和打印，然后保存模型，释放空间。主程序完毕。

拿到开源代码，运行一下，结果就是这样子的

我就是在这个代码基础上，理解LeNet5的结构，然后量化。量化后再验证精度，然后导出模型，导出计算的中间数据。这个 C 代码就算物尽其用了。

有人觉得难懂？没关系，对于这个项目而言，我已经把C程序简化成了一张图，你可以忽略上述所有文字和程序，记住这张图就行。图的解释可以看QQ群中的文档，后面我还会详细讲解这张图的，以及图中用到的数据。

原文标题：LeNet5 MNIST 的 FPGA实现 3

文章出处：【微信公众号：FPGA攻城狮之家】欢迎添加关注！文章转载请注明出处。

审核编辑：彭菁