FINN是一个开源实验框架，专注于FPGA上的量化神经网络推理。它为每个网络生成定制的数据流式架构，实现高效、高吞吐量和低延迟的FPGA加速器。FINN提供跨软硬件抽象层的灵活性，支持深度神经网络研究，并通过Docker提供编译器环境和丰富的文档资源。

BitNetMCU项目致力于在低端微控制器上实现高精度的低比特量化神经网络。通过优化训练和推理过程，该项目在仅2KB RAM和16KB Flash的CH32V003等微控制器上，实现了16x16 MNIST数据集超过99%的测试准确率，无需使用乘法指令。项目提供基于PyTorch的训练流程和ANSI-C实现的推理引擎，便于在不同微控制器上应用。