一种基于ZYNQ的卷积神经网络手写数字识别教学系统

本发明涉及人工智能教学与嵌入式系统领域，公开了一种基于ZYNQ的卷积神经网络手写数字识别教学系统。所述系统支持两种运行模式：在纯PS(Processing System)模式下，预处理、卷积、激活、池化和分类操作均由ARM处理器完成；在PS+PL(Programmable Logic)协同加速模式下，部分神经网络层部署在可编程逻辑中，通过定点量化与流水线结构提升识别帧率并降低功耗。系统采用PCIe通道向上位机传输识别数据，在可视化界面中实时展示不同模式下的帧率变化、特征图以及资源使用差异，帮助学生理解硬件加速对CNN性能的影响，适用于人工智能与嵌入式教学实验。