一种用于边缘设备的无需重训练量化领域自适应方法

一种适用于边缘设备的无需重训练量化领域自适应方法，包括：通过多量化位宽搜索确定最优量化位宽，构建域判别器以减少源域和目标域之间的特征分布差异，并利用量化网络中参数最多且量化位宽最大的子网生成伪标签。对量化网络进行初步训练，评估各量化子网的收敛速度和训练难易程度。在子网训练阶段，根据预训练结果对子网进行分组，实施差异化训练策略，其中收敛速度慢的子网获得更多训练资源。采用知识蒸馏技术，由收敛速度快的子网组向收敛速度慢的子网组传递知识，以加速学习过程并实现性能提升；有效提高了模型的推理速度，减少了推理开销，在减少计算量的前提下提高了分类准确率，为边缘设备上的深度学习模型部署提供了高效解决方案。