一种二值化神经网络模型的训练方法、装置及计算机设备

本发明涉及一种二值化神经网络模型的训练方法、装置及计算机设备。所述方法包括：在小样本图像识别模型的输入层中引入增强型温度计编码，采用无批归一化的卷积层，设计二值化神经网络模型。输入待预测图片至二值化神经网络模型提取待预测特征，采用原始激活函数与权重对待预测特征进行一阶段训练后，采用二值化后的原始激活函数与权重对输入至训练好的二值化神经网络模型的预测图片进行二阶段训练，得到最优二值化神经网络模型。将最优二值化神经网络模型部署至C语言推理框架中，完成系统模块开发，得到边缘设备适配信息。据此设计目标边缘设备的寄存器传输级流程。采用本方法能够提高资源受限的边缘设备的深度学习的高效和轻量化性能。