人工神经网络的转换方法、装置、电子设备及存储介质

本申请涉及神经网络技术领域，特别涉及一种人工神经网络的转换方法、装置、电子设备及存储介质，其中，方法包括：获取人工神经网络的网络结构和训练数据集，其中，人工神经网络的网络结构包括量化裁剪地板移位激活函数和平均池化；根据训练数据集设置人工神经网络的初始学习率，根据初始学习率和训练数据集对人工神经网络进行迭代训练；在人工神经网络训练完成后，在脉冲神经网络的任意时间步长和量化步骤下，将训练完成的人工神经网络转换为脉冲神经网络，利用量化裁剪地板移位激活函数控制转换误差，其中，量化步骤基于训练数据集和网络结构确定。由此，解决了相关技术转换的脉冲神经网络精度低等问题。