[发明专利]可用于轻量级神经网络的纯整型量化方法

权利要求书

1.一种可用于轻量级神经网络的纯整型量化方法，其特征在于，包括以下步骤：

步骤1、设特征图有N个通道，N≥1，获得当前一层特征图各通道的像素值的最大值；

步骤2、对特征图每个通道的像素做如下处理：

将特征图第n个通道的每一个像素的像素值除以步骤1获得的第n个通道的最大值的t次方，t∈[0,1]；

有N组与下一层特征图的N个通道相对应的权值，每组权值由N个与当前一层特征图的N个通道相对应的权值组成，对每组权值做如下处理：

第n组权值中的N个权值分别对应乘以步骤1获得的N个通道的像素值的最大值；

步骤3、经过步骤2处理的特征图与经过步骤2处理的N组权值卷积后得到下一层特征图；

当所述t＝0时，没有做不均衡性转移；当所述t＝1时，将当前一层特征图通道间的不均衡性全部转移到了后一层的权重。

2.如权利要求1所述的一种可用于轻量级神经网络的纯整型量化方法，其特征在于，所述当前一层为轻量级神经网络中除最后一层外的任意一层。