入门教学（虽然本人可能还算不上入门）
一、基础篇（下面两点可并行学习）
1、了解神经网络
- 首推台大李宏毅课程，李宏毅老师的课程偏理论部分，但是背后的数学逻辑讲解的很细致，可以挑着看，基础过完会对神经网络有一定的理解后可以挑后面的复杂神经网络看，尤其是Transformer。
- 了解完神经网络后可以看李沐机器学习课程和李沐机器学习书籍都是手把手教写python代码。但是讲解的没有李宏毅老师细致，但是代码讲解比较好，会手把手教你写代码，也是重点看Transformer部分即可。
2、学习FPGA
一、有一定基础的（Verilog/HLS）
- 做加速器又两个不同的方法，可以使用PCIE总线，本人没用，这里就不多说。其二了解一下AXI总线相关协议，了解PSPL协同操作。可以在官方正点原子了解。
- 关于AXI总线协议，首推这个视频：视频链接,然后尝试从基本算子搭起来，比如说矩阵乘法/softmax等，了解从PS端到PL端调度，最好能完成PS产生算子数据，然后通过总线协议将数据从DDR搬运到PL侧，PL侧完成矩阵乘法或者Softmax操作。
二、 没基础的
先学Verilog，再学HLS，再学PSPL协同操作。后面学习先看上面有基础的。关于FPGA学习，正点原子官方视频很详细，学习基础语法，了解串口，了解基础的IP核调用等。
二、入门篇（多看论文和别人的想法）
了解完VIT网络，关于网络优化有两个方面可以选择，一方面是软件侧，比如说网络结构的创新，量化，或者稀疏等。这些更偏向算法创新。另一方面是硬件方面创新，当然软硬不分家，算法上的创新完全可以部署在硬件FPGA上面验证。但是一切创新皆以实用性为准，好的算法在硬件部署一定是较少的资源实现更高的网络精确度和速度。可以看这个视频和这个博主：链接理解VIT网络的一些创新方法，然后可以查找相关论文尝试复现。