申请/专利权人：合肥君正科技有限公司

申请日：2020-12-31

公开（公告）日：2022-07-01

公开（公告）号：CN114692876A

主分类号：G06N5/04

分类号：G06N5/04;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.07.19#实质审查的生效;2022.07.01#公开

摘要：本发明方法旨在剔除模型进行低bit量化过程中合并bias时存在的异常值，确保模型推理精度和训练网络框架保持一致性。提供一种量化推理过程低位宽bias越界处理方法，所述方法包括深度学习卷积浮点型float操作，包括步骤：S1，输入浮点型数据；S2，进行卷积，进行权重合并；S3，进行批量标准化,量化过程中存在对相关参数的合并，会对batchnorm通道gamma值进行单独处理，具体量化时对batchnorm的推导公式如下：假设第i层的量化计算：实际训练过程中对gamm限制在0.1及以上，确保bias不越界；S4，输出浮点型结果。

主权项：1.一种量化推理过程低位宽bias越界处理方法，其特征在于，所述方法包括深度学习卷积浮点型float操作，包括步骤：S1，输入浮点型数据；S2，进行卷积，进行权重合并；S3，进行批量标准化,量化过程中存在对相关参数的合并，会对batchnorm通道gamma值进行单独处理，具体量化时对batchnorm的推导公式如下：假设第i层的量化计算如下所示： 由此推出bias值的大小和gamma值具有联系，实际训练过程中对gamm限制在0.1及以上，确保bias不会存在越界的情况；S4，进行输出浮点型结果。

全文数据：

权利要求：

百度查询： 合肥君正科技有限公司 一种量化推理过程低位宽bias越界处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD