【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种模型量化方法、装置及介质。
技术介绍
1、近年来，随着深度学习技术的不断发展和成熟，广泛应用于自动驾驶、医疗健康和计算机视觉等越来越多的领域。但是由于模型复杂度越来越高，计算效率就越来越低，从而逐步限制了模型的应用扩展。
2、目前，为了提升模型计算效率，可以通过模型量化将模型计算中的参数表示为低比特定点数，由此可以将浮点运算可以转化为定点运算，从而达到提高计算效率的目的。然而，这样的方式不可避免的会导致精度损失，即，降低模型计算准确性。
3、由此可见，如何提升模型计算效率的同时，又能保证模型计算准确性，是本领域技术人员亟待解决的问题。
技术实现思路
1、有鉴于此，本申请的一个方面提供一种模型量化方法，所述方法包括：
2、对预训练模型进行量化，得到初始量化模型；
3、根据预设插入规则，确定插入所述初始量化模型中的提升模块的目标数量；
4、将所述初始量化模型划分为所述目标数量个骨干网络模块；
...
【技术保护点】
1.一种模型量化方法，其特征在于，所述方法包括：
2.如权利要求1所述的模型量化方法，其特征在于，根据预设插入规则，确定插入所述初始量化模型中的提升模块的目标数量，包括：
3.如权利要求1所述的模型量化方法，其特征在于，将所述初始量化模型划分为所述目标数量个骨干网络模块，包括：
4.如权利要求1所述的模型量化方法，其特征在于，基于输入端至输出端的顺序，依次对所述待优化模型中各所述目标单元进行优化，包括：
5.如权利要求4所述的模型量化方法，其特征在于，以各所述子模块的输出结果为优化目标，对对应的目标单元进行迭代优化，包括
6....
【技术特征摘要】
1.一种模型量化方法，其特征在于，所述方法包括：
2.如权利要求1所述的模型量化方法，其特征在于，根据预设插入规则，确定插入所述初始量化模型中的提升模块的目标数量，包括：
3.如权利要求1所述的模型量化方法，其特征在于，将所述初始量化模型划分为所述目标数量个骨干网络模块，包括：
4.如权利要求1所述的模型量化方法，其特征在于，基于输入端至输出端的顺序，依次对所述待优化模型中各所述目标单元进行优化，包括：
5.如权利要求4所述的模型量化方法，其特征在于，以各所述子模块的输出结果为优化目标，对对应的目标单元进行迭代优化，包括：
6.如权利要求4所述的模型...
【专利技术属性】
技术研发人员：袁勇，施航，缪锐，孙沁璇，刘洋，庞心健，
申请(专利权)人：之江实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。