一种卷积神经网络权重参数量化训练方法及系统

摘要

本发明属于人工智能技术领域，具体为一种卷积神经网络权重参数量化训练方法及系统。本发明所述卷积神经网络包括卷积层、归一化层、缩放层、全连接层和池化层，该方法包括：根据所述归一化层的权重参数更新所述缩放层的；移除所述归一化层；采用指数量化方法对所述缩放层的权重参数进行量化；根据所述缩放层的权重参数的量化过程调节卷积层的权重参数；采用分组递归方法对所述卷积层的权重参数进行量化；根据所述缩放层的权重参数更新所述卷积层的权重参数；移除所述缩放层。采用本发明在不降低网络精度的同时，大幅降低网络计算复杂度、权重参数的存储容量和传输带宽，可获得无乘法器的硬件实现进而达到更快的计算加速。