摘要
本发明提供一种量化感知训练终端芯片模型系统,在监督学习模型的转化公式中引入参数S,由此在整体模型的训练时应用符号变换激活函数让参数S进行符号学习,并应用缩放变换激活函数让参数S进行缩放训练,由此通过训练促使参数S达到合适数值。该参数S的引入,有效地替代了现有技术中原有的必需的归一化处理方式,从而大大减少了硬件使用,有效地降低了成本,而且能极大地提高模型卷积精度。在深层网络模型做FP8量化时,在芯片端部署,卷积精度能从40%左右提升到80.2%。
技术关键词
监督学习模型
数据
sigmoid函数
终端芯片
深层网络模型
符号
参数
非线性
数值
精度
系统为您推荐了相关专利信息
构件尺寸检测
RANSAC算法
桥梁钢塔
点云
数据