基于 FPGA 的一维卷积神经网络（1D-CNN）算法加速

Q：大佬们，谁做过FPGA 的一维卷积神经网络（1D-CNN）算法加速么？除了1D-CNN，还有哪些神经网络算法可以在FPGA上加速？

A：以下是一个基于 FPGA 的一维卷积神经网络（1D-CNN）算法加速实现的案例，仅供参考：

项目案例概述：

该项目旨在通过 FPGA 实现 1D-CNN 的加速，以提高对一维序列数据的处理速度。项目先使用 Python 代码实现训练和推理过程获得权重，再将推理过程移植到 FPGA 上进行 。

网络结构：

具体网络结构包含了卷积层、池化层、批标准化层、全局池化、二值化卷积、全连接层、激活函数层等，一共分为 17 层，在 FPGA 实现时将其划分为 7 个大层。

FPGA 架构：

包含按键消抖、串口接收、串口发送、卷积算法等模块。

FPGA 端口定义：

module fpga_top(
    input sys_clk, //外部50M时钟
    input sys_rst_n, /