[发明专利]一种提高卷积神经网络模型低比特量化模型精度的方法在审
| 申请号： | 202010497770.7 | 申请日： | 2020-06-04 |
| 公开（公告）号： | CN113762495A | 公开（公告）日： | 2021-12-07 |
| 发明（设计）人： | 张东;于康龙 | 申请（专利权）人： | 合肥君正科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06K9/62;G06F17/18 |
| 代理公司： | 北京竹辰知识产权代理事务所(普通合伙) 11706 | 代理人： | 聂鹏 |
| 地址： | 230088 安徽省合肥市高新区望江*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明提供一种提高卷积神经网络模型低比特量化模型精度的方法，包括以下步骤：S1，卷积神经网络训练：用全精度算法训练模型，得到一个可以用于目标分类的网络，即获得模型推理过程中的相关参数；S2,量化权重：对于已经获得权重参数按照公式1所示的公式进行量化，得到低比特的权重；公式1： |
||
| 搜索关键词： | 一种 提高 卷积 神经网络 模型 比特 量化 精度 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于合肥君正科技有限公司，未经合肥君正科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010497770.7/，转载请声明来源钻瓜专利网。
