用于深度学习模型后训练均匀量化的校准数据选择方法

本发明公开了一种用于深度学习模型后训练均匀量化的校准数据选择方法，该方法包括聚类质心初始化、聚类质心更新、训练集数据排序和校准集数据选择四个步骤。首先，将符合均匀分布的随机数据送入网络进行前向推理，确定若干聚类质心。接着，通过训练集数据进行推理，计算知识距离并更新聚类质心，构建准确反映训练集数据分布的激活分布空间。然后，再次将训练集数据送入网络推理，计算知识距离求和得出每个数据样本的评分并排序。最后，依据指定的校准集大小，从高到低选择评分较高的训练集数据作为校准集。该方法通过合理选择校准数据，可提升深度学习模型后训练均匀量化的效果。