想着還有些空餘時間，先介紹一下創作的背景，然後規劃一下後期的寫作內容，一起學習討論，不求一定在工作中用得上，擴展一下自己的知識體系也好。
1 創作背景
本人是某985學校碩士畢業，畢業之後在某IT公司工作。自從工作之後，深刻體會到“男怕入錯行，女怕嫁錯郎”的道理，沒錯，我感覺我就入行入偏啦。看到師弟師妹各種互聯網公司的AI崗位，年入30w+，一口老血吐出來，深深地表示羨慕。。。趁着我自己還有點相關的背景，雖然數學方面都快還給大學老師了，但是還算可以看懂基本的算法原理的，還能撿起來一些，而且FPGA開發還算有點自信，做過很多實際的項目。未來幾年會逐漸轉到相關行業中---圖像相關的算法並行加速，發揮自己的最大能力，應該還能吃上一波人工智能的紅利。
2 技能樹說明
2.1 FPGA相關
FPGA（Field Programmable Gate Array，可編程邏輯門陣列），通過RTL代碼來在FPGA內部實現各種所需要的電路，速度和功耗方面與ASIC （Application Specific Integrated Circuit，專用集成電路）芯片沒法比，但是靈活性、成本、開發週期完爆ASIC芯片，所以永遠不可能被ASIC完全取代。
2.11 應用方向
一般來說FPGA有兩種應用方向：a)用硬件電路就完成對大量數據的處理。當然，處理的方式肯定不像CPU那樣廣泛，一般用來處理大吞吐、可複用計算、有限迭代的數據，比如現在流行的卷積神經網絡的卷積操作、直方圖統計操作等；b) 用於高速接口。比如使用PCIE接口收發數據，通過千兆、萬兆以太網收發數據，或者結合camlink的芯片，接收相機的圖像數據等等。
2.12 入門方法
沒用過FPGA的話，可以看一下《Xilinx FPGA開發實用教程》，這本書主要講述了Xilinx FPGA的必備知識，包括FPGA基礎知識、Verilog HDL語言基礎、基於Xilinx芯片的HDL語言高級進階、ISE開發環境使用指南、FPGA配置電路等。
Verilog語法很簡單，類似於c語言，但是編程思路跟軟件完全不一樣。寫Verilog代碼時必須時刻想象代碼實現成什麼電路，在寫一個模塊之前，最好先畫出對應的時序圖，會有事半功倍的效果。可以先自己寫一下流水燈啊、串口啊、直方圖統計啊等等簡單模塊，先用ISE+Modelsim仿真，仿真波形應該要每一拍都與預期的一致，再上板調試，走一下整個開發流程。
2.13 開發環境
windows7 64bit，ISE 14.7，Modelsim SE 10.1c。
2.2 Python和Matlab
2.2.1 應用方向
在後續創作中涉及到相關濾波目標跟蹤算法和神經網絡算法，很多算法都是用這兩種語言實現。
看懂算法原理和軟件實現代碼，然後對算法進行優化，是進行算法FPGA加速的必要條件，主要是因爲很多算法不一定滿足FPGA的處理方式，原封不動地實現可能就無解了，所以要針對FPGA的特性對原算法進行修改（硬件加速的及其關鍵的步驟），一般來說會損失算法性能，但是會極大提高算法處理速度，在計算機視覺領域就是會極大提高幀頻。
2.2.2 學習方法
一般來說，只要具有c語言的基礎，學習一種編程語言只需瞭解每種語言的邏輯語句、循環語句等基本的語法規範，瞭解變量類型和數據結構，瞭解一下類的寫法，需要用到函數的百度即可，上手會極快。
Python菜鳥教程：https://www.runoob.com/python/python-intro.html
Matlab：https://www.ilovematlab.cn/和Matlab自帶的幫助文檔，所有函數都有非常詳細的解釋和示例。
2.2.3 開發環境
windows7 64bit，Matlab 2017b，anaconda3.
2.3 算法
需要有大學數學的基礎吧，高等數學（導數、微積分）、線性代數、概率論之類的，還要有圖像的基本知識，涉及到的相關濾波跟蹤算法和深度學習算法，在後續詳細介紹原理和硬件優化方法。
3 創作計劃
3.1 matlab和Python對比學習
3.2 目標跟蹤算法概述
3.3 某種相關濾波算法原理介紹和並行實現優化
3.4 Verilog分模塊實現和仿真
3.5 軟硬件結果對比和性能分析
3.6 深度學習算法概述
3.7 某種深度網絡詳細介紹和並行實現分析
3.8 Verilog分模塊實現和仿真
3.9 軟硬件結果對比和性能分析
由於得在搬磚的間隙學習，上面這些夠寫一年了，待續。。。
歡迎關注公衆號一起交流學習：
