申请/专利权人：北京有竹居网络技术有限公司

申请日：2023-12-28

公开（公告）日：2024-04-02

公开（公告）号：CN117808056A

主分类号：G06N3/0495

分类号：G06N3/0495;G06N3/045;G06N3/096;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本公开涉及一种模型量化方法、装置、介质以及电子设备，涉及计算机技术领域，该方法通过根据初始量化位宽，对初始模型进行量化，获得量化模型，将初始模型作为量化模型的教师模型，对量化模型进行蒸馏训练，获得训练后的量化模型，然后减小初始量化位宽，获得目标量化位宽，进而将目标量化位宽作为初始量化位宽，以及将训练后的量化模型作为初始模型，继续对初始模型进行量化，直至目标量化位宽达到目标阈值，并将达到目标阈值的目标量化位宽对应的训练后的量化模型确定为训练完成的量化模型，可以将上一量化位宽的模型作为当前的量化模型的教师模型，对当前的量化模型进行蒸馏训练，从而保证量化后的模型的精度能够进一步提升。

主权项：1.一种模型量化方法，其特征在于，包括：根据初始量化位宽，对初始模型进行量化，获得量化模型，其中所述初始模型为图像类型的模型、文本类型的模型、音频类型的模型中的一种；将所述初始模型作为所述量化模型的教师模型，对所述量化模型进行蒸馏训练，获得训练后的量化模型；减小所述初始量化位宽，获得目标量化位宽；将所述目标量化位宽作为所述初始量化位宽，以及将所述训练后的量化模型作为所述初始模型，返回执行根据初始量化位宽，对初始模型进行量化，获得量化模型的步骤，直至所述目标量化位宽达到目标阈值，并将达到所述目标阈值的所述目标量化位宽对应的所述训练后的量化模型确定为训练完成的量化模型。

全文数据：

权利要求：

百度查询： 北京有竹居网络技术有限公司 模型量化方法、装置、介质以及电子设备

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