一种嵌入式神经网络二值化量化方法及相关设备

本发明公开了一种嵌入式神经网络二值化量化方法及相关设备，通过选取若干图像为校准集，作为卷积层的输入，并获得卷积层的输出，对卷积层输入、输出和权重进行初始化量化参数计算，对初始的权重量化参数进行优化和自适应调整，最后通过上述量化参数进行整型推理计算，从而有效减少整型推理造成的信息损失，提升神经网络模型在嵌入式端的计算性能。在计算资源有限的前提下，能够在减少模型计算量、参数规模和存储消耗的同时有效提升部署后神经网络模型的计算精度，使神经网络模型能够在资源受限的嵌入式端快速便捷部署实施，对神经网络算法的工程化实现具有重要的意义。