[发明专利]网络量化方法及系统及装置及介质及图像处理方法

权利要求书

1.网络量化方法，其特征在于，所述方法包括：

获得第一深度神经网络M_f，所述M_f包括n个神经网络层，所述神经网络层分为量化层和非量化层，所述M_f的准确率为Acc_f，设定量化深度神经网络最高可接受的准确率损失阈值σ；

基于所述Acc_f和所述σ，使用二分法从所述n个神经网络层中查找获得所有量化层，将获得的量化层进行量化。

2.根据权利要求1所述的网络量化方法，其特征在于，所述基于所述Acc_f和所述σ，使用二分法从所述n个神经网络层中查找获得所有量化层，将获得的量化层进行量化，具体包括：

定义q_i表示所述M_f中第1至第i层所述神经网络层之间的量化层集合，将所述M_f中的第i至第j层以及所述q_i对应的所述神经网络层均量化后获得第二深度神经网络，M_i，j表示所述第二深度神经网络的准确率；

设定初始条件并执行预设查找步骤查找所述M_f中第i至第j层所述神经网络层之间的量化层，初始条件为i＝1，j＝n；

所述预设查找步骤包括：

步骤1：若i＞j，则所述M_f中第i至第j层所述神经网络层之间的量化层查找结果为空；若i＝j，且Acc_f-M_i，j≤σ*(1+|q_i|)/n，则所述M_f中第i至第j层所述神经网络层之间的量化层查找结果为第i层；若i＝j，且Acc_f-M_i，j＞σ*(1+|q_i|)/n，则所述M_f中第i至第j层所述神经网络层之间的量化层查找结果为空；

步骤2：若i＜j，且Acc_f-M_i，j≤σ*(j-i+1+|q_i|)/n，则所述M_f中第i至第j层所述神经网络层之间的量化层查找结果为第i至第j层；若i＜j，且Acc_f-M_i，j＞σ*(j-i+1+|q_i|)/n，则令并执行步骤3；

步骤3：更新所述初始条件，令i＝1，j＝mid，并返回执行步骤1，获得所述第一神经网络在第i至第mid层之间的第一量化层集合q_leff，并执行步骤4；

步骤4：更新所述初始条件，令i＝mid+1，j＝n，并返回执行步骤1，获得所述第一神经网络在第mid+1层至第j层之间的第二量化层集合q_right；

步骤5：基于所述第一量化层集合和所述第二量化层集合，获得所述M_f中第i至第j层所述神经网络层之间的量化层查找结果；

步骤6：将所述M_f中第i至第j层所述神经网络层之间的量化层查找结果中的所有量化层均量化。

3.根据权利要求2所述的网络量化方法，其特征在于，量化前所述M_f中每个所述神经网络层的参数均采用32位浮点型数据表示。

4.根据权利要求3所述的网络量化方法，其特征在于，将所述量化层量化具体为：将量化层的参数采用8位整数型数据表示。

5.根据权利要求2所述的网络量化方法，其特征在于，本方法中深度神经网络的准确率获取方式为：利用测试集数据测试深度神经网络，获得深度神经网络的准确率。

6.根据权利要求5所述的网络量化方法，其特征在于，本方法在图形处理器端使用所述M_f在所述测试集上进行推理得到所述Acc_f。