神经网络模型训练和计算方法及电子设备和存储介质
公开
摘要
本发明公开一种神经网络模型训练和计算方法、电子设备和存储介质,其中所述神经网络模型为浮点模型,所述方法包括:在所述浮点模型的特征提取部分采用定点化的方式,其中,所述浮点模型的输入数据通过所述特征提取部分得到;将所述输入数据输入至所述浮点模型中,对所述浮点模型进行训练得到训练后的浮点模型;对所述训练后的浮点模型进行量化得到量化后的模型。本发明实施例通过采用定点化和量化相结合的方式,在特征提取部分采用定点化的方法,确保后期的迭代更新不会发生变化,定标好之后不会出现溢出的问题,结合量化的方法进行存储,在训练完成之后,对浮点模型进行量化,可以实现在没有浮点计算单元的芯片上也能运行。
基本信息
专利标题 :
神经网络模型训练和计算方法及电子设备和存储介质
专利标题(英):
暂无
公开(公告)号 :
CN114298306A
申请号 :
CN202111680382.3
公开(公告)日 :
2022-04-08
申请日 :
2021-12-23
授权号 :
暂无
授权日 :
暂无
发明人 :
陈洪新
申请人 :
思必驰科技股份有限公司
申请人地址 :
江苏省苏州市苏州工业园区新平街388号腾飞创新园14栋
代理机构 :
北京商专永信知识产权代理事务所(普通合伙)
代理人 :
黄谦
优先权 :
CN202111680382.3
主分类号 :
G06N3/08
IPC分类号 :
G06N3/08
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-04-08 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载