FINN（六）总结

再次，简单的对FINN进行一下总结与归纳。

最近提出了一种用于图像分类的BNN，该工作证明了其高性能实现的前景。它们特别适合于FPGA实现，因为参数可以完全适用于OCM，而且算法得到了简化，从而实现了高计算性能。提出的可参数化数据流体系结构和优化（parameterizable dataflow architecture and optimizations），更好的解决了分类速率、最小的功耗和延迟，同时提供了一套灵活、可伸缩的加速更大更复杂网络的技术方案。我认为，该技术非常适合需要实时响应的嵌入式应用，包括监视、机器人和增强现实。未来的工作将集中在为非二进制低精度提供支持，实现更大的网络，如AlexNet，更高的性能卷积，和更彻底的设计空间探索。最后，FINN假设所有BNN参数都可以适合于单个FPGA的可用OCM。支持外部内存、多FPGA实现和重新配置[27]可以改进我们的方法的实用性。