一种基于比特分配算子的神经网络量化压缩方法

本发明提出一种基于比特分配算子的神经网络量化压缩方法，该方法将比特分配算子应用于YOLO网络模型，对所述YOLO网络模型中的骨干模块和颈部模块分别进行不同程度的量化操作，降低存储空间，便于在资源受限的设备上运行。所述比特分配算子通过动态识别网络权重的变化，并根据不同网络层的权重浮动变化量及时调整权重参数量化的比特位宽，从而减少YOLO模型的存储空间和训练的计算量，使得量化后的模型精度接近于原始模型精度，解决了YOLO网络训练过程中由于权重浮动而导致的量化后精度严重下降的问题，从而保证YOLO模型可以有效适应资源受限的硬件设备，减小参数量化带来的精度损失。