尽管深度神经网络（DNN）是打开AI时代的革命力量，但是众所周知，巨大的硬件开销挑战了它们的应用。 最近，几个二进制和三进制网络（其中昂贵的乘法累加运算可以被累加或什至二进制逻辑运算代替）使DNN的片上训练非常有前途。 因此，迫切需要建立一种可以将这些网络包含在一个统一的框架中的架构，该架构既可以实现更高的性能，又可以减少开销。 为此，有两个基本问题尚待解决。 第一个是在神经元激活离散时如何实现反向传播。 第二个方法是如何在训练阶段消除精确的隐藏权重，以打破内存/计算消耗的瓶颈。 为了解决第一个
