經過了前面的開胃菜，項目正式開始。一步步講解這個模型怎么玩起來的。從C 到 matlab 到 FPGA ，三個平臺聯合起來完成這個 由 RTL 實現 CNN 的項目。

第一步，講解深度學習模型在C中是怎么實現的，也就是梳理數據流怎么運算的。

第二步，講解這個數據怎么使用，如何去一步步驗證自己的設計。

第三步，根據前面的理解，在FPGA中如何去設計自己的代碼。

首先，C的源碼前面的文章中已經公開了，第一步當然是理解深度學習模型在C中是怎么實現的。

這個深度學習的模型 LeNet5 實現的功能是 MNIST 數據識別。MNIST數據集是一個手寫數字的圖片集，然后被制作成了一個特殊的文件格式 —— 已經不是圖片了，變成了這么一個東西：

網站上下載下來的是一個gz壓縮文件，解壓之后就是一個idx3-ubyte格式的文件。它包含了6w張用來做網絡模型訓練的圖片，和1w張用來測試網絡模型的圖片。每張圖片再搭配一個標簽 —— 表明它是數據幾。所以整個數據集就是 7w張圖片 加 7w個標簽。

不過你可以通過python輕松導出來，可以看到具體的圖片和標簽。解釋這么多也夠用了，有興趣的朋友可以百度一下 MNIST ，比如下圖，就是一個博主從數據集里扒出來的圖。

先理解了數據集，再看看 C語言源碼。第一步先分別導入訓練數據集和標簽，再導入里測試數據集和標簽，然后開始 load 模型 —— 第一次運行模型為空，于是對模型進行初始化。細心一點往下看這個初始化過程會覺得很有特色 —— 刻意讓數據很隨機，讓它們都不相同是有好處，具體什么好處可以去看看吳恩達的視頻。（我看了，云里霧里的還是不懂，所以也解釋不清楚）

后面就是訓練和測試了，for是我后面添加的，可以讓它訓練很多次，提升精度。下面就是測試和打印，然后保存模型，釋放空間。主程序完畢。

拿到開源代碼，運行一下，結果就是這樣子的

我就是在這個代碼基礎上，理解LeNet5的結構，然后量化。量化后再驗證精度，然后導出模型，導出計算的中間數據。這個 C 代碼就算物盡其用了。

有人覺得難懂？沒關系，對于這個項目而言，我已經把C程序簡化成了一張圖，你可以忽略上述所有文字和程序，記住這張圖就行。圖的解釋可以看QQ群中的文檔，后面我還會詳細講解這張圖的，以及圖中用到的數據。

原文標題：LeNet5 MNIST 的 FPGA實現 3

文章出處：【微信公眾號：FPGA攻城獅之家】歡迎添加關注！文章轉載請注明出處。