1.1万
该系列课程包括12讲：
第一讲 Lenet-5神经网络训练
第二讲 使用verilog在FPGA上实现CNN整体介绍+加法器verilog代码解析和仿真
第三讲 乘法器verilog代码解析和仿真
第四讲 处理单元(Processing Element) verilog代码解析和仿真
第五讲 实现单个窗口卷积(Convolution Unit) verilog代码解析和仿真
第六讲 对输入的image进行数据重排(RFselector) verilog代码解析和仿真
第七讲 执行一个filter与完整image的卷积操作(Single Filter Layer) verilog代码解析和仿真
第八讲 平均池化单元(AvgUnit) verilog代码解析和仿真
第九讲 执行单通道的image平均池化(AvgPoolSingle) verilog代码解析和仿真
第十讲 激活层(Relu) verilog代码解析和仿真
第十一讲 全连接层(Layer) verilog代码解析和仿真
第十二讲 Lenet-5网络模型的verilog整体搭建与仿真验证
该系列课程用到的工具：
vivado 2018.3、tensorflow
该系列课程需要的基础知识：
verilog基本语法、python、深度神经网络基础知识、数电基础知识
该系列课程适合人群：
对神经网络有浓厚兴趣，同时对于FPGA设计开发也有浓厚兴趣并想通过编写verilog代码实现快速上手的人群，是一个软硬件结合的课程，没有基础知识里面也有补充，新手也适宜。做软件想知道怎么在FPGA硬件上快速实现的人，都适宜。
