在人工智能(AI)的浪潮中,深度學(xué)習(xí)模型正逐漸滲透到各個(gè)行業(yè)和領(lǐng)域。然而,傳統(tǒng)的深度學(xué)習(xí)模型通常計(jì)算量大、功耗高,難以在資源受限的邊緣設(shè)備上實(shí)現(xiàn)高效運(yùn)行。為了解決這一問(wèn)題,二值神經(jīng)網(wǎng)絡(luò)(BNN)應(yīng)運(yùn)而生。BNN通過(guò)將權(quán)重和激活值二值化(即取值為+1或-1),極大地降低了計(jì)算復(fù)雜度和功耗,使其更適合在邊緣設(shè)備上部署。本文將介紹如何使用PYNQ平臺(tái)來(lái)訓(xùn)練和實(shí)現(xiàn)BNN,并附上相關(guān)代碼示例。