本项目利用FPGA实现一个训练好的卷积神经网络，用于图像分类。项目采用CIFAR-10数据集作为训练数据，通过深度学习的CNN概念对输入图像进行分类。
设计包含六个层次：滑动窗口卷积、ReLU激活、最大池化、图像展平、全连接和Softmax激活。利用卷积核/过滤器从输入图像中提取特征，输入图像可以是灰度或彩色图像。
使用的工具：
- Xilinx Vivado v17.4：用于FPGA设计
- Matlab vR2018.a：用于参考目的和结果比较
使用的编程语言：
- Verilog HDL：用于FPGA设计的硬件描述语言
已完成的任务：
- 掌握FPGA、相关资源、Vivado 17.4和Matlab R2018a的基本知识。
- 使用Vivado 17.4创建了一些Verilog模块，包括矩阵乘法、通用多路复用器、矩阵卷积、ReLU激活和最大池化。
- 使用Matlab R2018a创建了一些矩阵函数，用于参考和匹配结果。
- 首先考虑灰度图像（使用Matlab从彩色图像转换为灰度图像），并进行了矩阵乘法和ReLU激活。