Hussein Osman

摘要：介绍了面向网络边缘应用的新一代神经网络——微型二值神经网络，可在保持低功耗的同时减少对存储器的需求。

关键词：二值；神经网络；CNN；FPGA

人工智能（AI）、神经网络和机器学习领域的发展十分迅速，开发工程师正不断尝试为系统添加更多智能功能，前景不可估量。其中各类应用对于计算的需求是不同的。在数据中心领域，用于执行图像识别的神经网络是“经过训练”的，举个例子，通过向神经网络投喂成千上万的图像并分配权重直至神经网络能够正确识别对象。就像人類从一张白纸到最后成为知识渊博的人，当新数据出现时，人们能够根据过去的经验进行“推理”并做出决定，同样，系统必须使用“推理技术”根据神经网络从新数据上学到的东西来进行“推理”并得出结果。

建立数据架构并计算推理所需的权重可能需要数TB的数据和大量的计算资源。因此，数据中心常用的深度学习技术通常使用大尺寸、高性能GPU来满足如此大量的计算要求。

高功耗GPU对于想要将AI优势引入到网络边缘领域的设计工程师来说太过奢侈。在网络边缘领域，部署数据中心使用的基于浮点运算的深度学习技术是不太现实的。设计工程师必须开发计算效率高的解决方案，不仅要达到精度要求，还要满足消费电子市场对于设备的功耗、尺寸和成本的限制。尽管设备在数据中心接受过训练，可是一旦部署到网络边缘领域，就要尽可能使用更少位数进行计算来实现推理。……