龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京君正集成电路股份有限公司
申请日：2020-01-09
公开（公告）日：2024-06-28
公开（公告）号：CN113095472B
主分类号：G06N3/0464
分类号：G06N3/0464;G06N3/08
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2021.08.10#实质审查的生效;2021.07.09#公开
摘要：本发明提供一种提供卷积神经网络在量化过程前向推理降低精度损失的方法，所述方法包括：在进行权重量化反量化过程中，提取batchnorm值，避免batchnorm值异常值对权重量化影响；卷积之后32bit反量化输出与batchnorm提取值相乘，从而避免精度损失。所述的量化过程是直接对权重进行量化，不对权重合并任何batchnorm参数值。
主权项：1.卷积神经网络在量化过程前向推理降低精度损失的方法，其特征在于，所述方法应用于图像分类、图像识别，包括：S1，在进行权重量化反量化过程中，提取batchnorm值，避免batchnorm值异常值对权重量化影响；所述提取batchnorm值，避免batchnorm值异常值对权重量化影响是通过对batchnorm通道值进行单独处理，避免权重合并batchnorm时出现通道异常值问题；S2，卷积之后32bit反量化输出与batchnorm提取值相乘，从而避免精度损失；基于google量化反量化操作过程中提升模型精度降低精度损失的方法；所述的量化过程是直接对权重进行量化，不对权重合并任何batchnorm参数值；所述方法进一步包括：假设第i层的量化计算如下所示： X0＝scale×DXi×QW+b其中QW为权重量化操作，DX至整体进行反量化操作，scale、b分别为batchnorm提取之后对应的系数；所述的scale值操作与反量化之后值进行相乘，同时和合并之后偏置相加。
全文数据：
权利要求：
百度查询： 北京君正集成电路股份有限公司 卷积神经网络在量化过程前向推理降低精度损失的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号