一种基于权重弹性映射的量化神经网络容错增强方法

本发明公开了一种基于权重弹性映射的量化神经网络容错增强方法，首先使用涉及的图像数据集，计算量化神经网络模型的权重扰动弹性，然后基于选择的量化位宽和权重扰动弹性范围计算权重映射参数，最后根据权重扰动弹性和权重映射参数确定权重映射函数，并在推理过程中进行权重映射提高模型容错能力。本发明的方法根据量化神经网络模型的权重扰动弹性，利用映射计算限制权重的数值范围，从而避免了数值变化，保护了量化神经网络的正确，提高了模型的容错能力，实现对神经网络的容错增强，适用于用于嵌入式设备的基于量化神经网络模型的计算机视觉应用程序的容错能力增强，且在运行过程中不会造成太多的额外开销。