基于扩散模型生成数据的模型量化方法以及装置

本申请提出一种基于扩散模型生成数据的模型量化方法以及装置，其中，方法包括：获取高斯分布的数据集采样样本；基于高斯分布的数据集采样样本和待量化模型，通过扩散模型生成伪训练数据；扩散模型采用UNet网络结构作为核心架构，UNet网络结构的编码器后端加入多头注意力机制，多头注意力机制用于建立特征图中各元素间的关联关系，以使UNet网络结构的感受野为整个图像；通过伪训练数据对待量化模型进行模型量化处理，得到低比特量化模型。以实现无训练数据的模型量化。