申请/专利权人：北京大学

申请日：2021-03-09

公开（公告）日：2024-04-16

公开（公告）号：CN113159276B

主分类号：G06N3/0464

分类号：G06N3/0464;G06N3/049;G06N3/063;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.08.10#实质审查的生效;2021.07.23#公开

摘要：本发明公开一种模型优化部署方法、系统、设备及存储介质，其中模型优化部署方法，包括：对卷积神经网络进行模型优化，获取适配脉冲神经网络的卷积神经网络；对优化后的卷积神经网络的参数进行编译，获取在脉冲神经网络芯片上可运行的参数配置文件；加载参数配置文件以对输入的待处理数据进行推理计算处理，获取数据处理结果。本发明可以保持卷积神经网络的高精度，又能融合SNN的高效低功耗，便于在终端平台上进行部署。

主权项：1.一种模型优化部署方法，其特征在于，包括：对卷积神经网络进行模型优化，获取适配脉冲神经网络的卷积神经网络；将优化后的卷积神经网络的参数映射到拓扑结构相同的脉冲神经网络；对映射后的脉冲神经网络参数进行仿真验证；将验证正确的脉冲神经网络参数转换成脉冲神经网络芯片上可运行的参数配置文件；加载参数配置文件以使脉冲神经网络芯片对输入的待处理数据进行推理运算处理；其中，所述对卷积神经网络进行模型优化，具体包括：将卷积神经网络的模型结构中标准卷积用分组卷积进行替代；根据卷积神经网络的层级对精度需求选择对模型进行图优化以将模型中的批归一化层融合至卷积层，并对图优化后的模型进行高位量化；或者对模型中的权重进行低位量化，并对模型进行图优化以将模型中用于调整低位量化误差的缩放因子及批归一化层融合至卷积层。

全文数据：

权利要求：

百度查询： 北京大学 模型优化部署方法、系统、设备及存储介质

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