一种用于图像分类卷积神经网络的低位宽自适应量化方法

本发明公开了一种用于图像分类卷积神经网络的低位宽自适应量化方法，包括：构建图像数据集，并利用其对卷积神经网络训练，获得训练好的基础模型；在基础模型中插入伪量化节点，进而在前向传播过程中对权重和激活值进行量化，在反向传播过程中进行梯度近似，实现模型参数优化，获得完成量化的图像分类模型；利用搭载图像分类模型的硬件实现图像分类；其中，对激活值进行自适应量化，对权重进行非均匀量化。本发明通过ASQ方法动态调整激活量化器的缩放因子，最小化特定任务的损失；同时，通过简单的非均匀量化方法，能够实现更通用和稳定的量化性能。