LUT神经网络

背景

1. FPGA的基本单元是LUT(查找表)，如果把LUT看成一种逻辑运算单元

   1. 查找表的真值表可以表示静态权重
   2. 查找表的部份输入表示动态权重
      
2. FPGA的可重构特性，相对于AI处理器
   1. 可以把部份或者全部的动态权重（操作数）固化成静态的真值表，大大提高PPA
   2. 不同的模型和参数，可以通过重新配置FPGA的逻辑单元
   3. 只适合推理，理论上训练的权重不能静态化，PPA优势不大
3. 把FPGA的LUT作为AI芯片的核心算力单元
   1. 有利于硬件的标准化

参考

1. https://github.com/ryuz/BinaryBrain

2. バイナリニューラルネットとハードウェアの関係
   https://www.slideshare.net/kentotajiri/ss-77136469

3. BinaryConnect: Training Deep Neural Networks with binary weights during propagations
   https://arxiv.org/pdf/1511.00363.pdf

4. Binarized Neural Networks
   https://arxiv.org/abs/1602.02505

5. Binarized Neural Networks: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1
   https://arxiv.org/abs/1602.02830

6. XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks
   https://arxiv.org/abs/1603.05279

7. Xilinx UltraScale Architecture Configurable Logic Block User Guide
   https://japan.xilinx.com/support/documentation/user_guides/ug574-ultrascale-clb.pdf