[发明专利]一种神经网络权重量化方法和神经网络权重量化装置在审
| 申请号： | 201710656027.X | 申请日： | 2017-08-03 |
| 公开（公告）号： | CN109388779A | 公开（公告）日： | 2019-02-26 |
| 发明（设计）人： | 南楠;叶丽萍;李晓会 | 申请（专利权）人： | 珠海全志科技股份有限公司 |
| 主分类号： | G06F17/16 | 分类号： | G06F17/16 |
| 代理公司： | 工业和信息化部电子专利中心 11010 | 代理人： | 于金平 |
| 地址： | 519085 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种神经网络权重量化方法和装置，所述方法包括：步骤1，获取待量化矩阵集合；步骤2，将所述待量化矩阵集合中的待量化权重值量化至对数空间，得到所述待量化权重值的权重量化值，并得到量化矩阵集合；步骤3,根据所述权重量化值与所述权重量化值对应的所述待量化权重值的差值，对所述权重量化值进行补偿量化，得到所述权重量化值的补偿量化值，并得到补偿量化矩阵集合；步骤4，将所述量化矩阵集合和所述补偿量化矩阵集合，作为所述待量化矩阵集合的量化结果存储在神经网络中等待使用。本发明中的补偿量化通过给较重要权重叠加偏移项，使其量化采样间隔更加稠密，从而减小了量化误差所带来的神经网络模型的性能损失。 | ||
| 搜索关键词： | 权重量化 量化矩阵 量化 集合 神经网络 权重 神经网络模型 方法和装置 采样间隔 对数空间 量化结果 量化误差 性能损失 偏移 减小 稠密 存储 | ||
【主权项】：
1.一种神经网络权重量化方法，其特征在于，所述方法包括：步骤1，获取待量化矩阵集合；步骤2，将所述待量化矩阵集合中的待量化权重值量化至对数空间，得到所述待量化权重值的权重量化值，并根据所述权重量化值得到量化矩阵集合；步骤3,根据所述权重量化值与所述权重量化值对应的所述待量化权重值的差值，对所述权重量化值进行补偿量化，得到所述权重量化值的补偿量化值，并根据所述补偿量化值得到补偿量化矩阵集合；步骤4，将所述量化矩阵集合和所述补偿量化矩阵集合，作为所述待量化矩阵集合的量化结果存储在神经网络中等待使用。
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珠海全志科技股份有限公司，未经珠海全志科技股份有限公司许可，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/201710656027.X/，转载请声明来源钻瓜专利网。
