用于神经网络量化的方法和装置
    21.
    发明公开

    公开(公告)号:CN111428852A

    公开(公告)日:2020-07-17

    申请号:CN201910922232.5

    申请日:2019-09-26

    Abstract: 根据用于神经网络量化的方法和装置,通过以下方式来生成经量化的神经网络:执行神经网络的学习;针对第一神经网络的每一层,获得初始权重与通过每个周期的学习来确定的经更新的权重之间的权重差;分析每一层的权重差的统计量;基于经分析的统计量,从各层中确定要以较低比特精度来量化的一个或多个层;以及通过以较低比特精度量化所确定的一个或多个层来生成第二神经网络。

    用于对神经网络的参数进行量化的方法和装置

    公开(公告)号:CN111062475A

    公开(公告)日:2020-04-24

    申请号:CN201910822654.5

    申请日:2019-08-30

    Abstract: 一种量化神经网络的参数的方法包括:针对每个参数来计算比特移位值,该比特移位值指示在用于对参数进行量化的定点格式的比特范围之外的程度;基于所计算的参数的比特移位值来更新定点格式;以及根据经更新的定点格式来量化在学习或推断过程中更新的参数。

    用于对神经网络的参数进行量化的方法和装置

    公开(公告)号:CN109389219B

    公开(公告)日:2024-04-09

    申请号:CN201810868446.4

    申请日:2018-08-01

    Abstract: 一种对神经网络的参数进行量化的方法,所述方法包括:根据通过使用浮点来预训练的神经网络的数据,针对在每个特征图和核中包括的每个通道中使用的浮点型参数值,分析每个通道的统计分布;基于每个通道的所述统计分布,确定每个通道的参数的定点表达,所述定点表达在统计上覆盖所述参数值的分布范围;基于执行卷积运算的结果,确定每个通道的偏置和权重的小数长度,作为每个通道的所述定点表达的参数;以及生成定点型量化神经网络,所述定点型量化神经网络所具有的每个通道的偏置和权重具有所确定的小数长度。

    接口设备和用户输入处理方法

    公开(公告)号:CN105279118B

    公开(公告)日:2020-07-28

    申请号:CN201510316315.1

    申请日:2015-06-10

    Abstract: 提供了一种接口设备和用户输入处理方法。所述接口设备分组器可对事件生成元件进行分组且基于生成的组事件信号来输出事件发生的组的地址。所述接口设备可包括:分组器,被配置为基于针对多个事件传感器发生的一个或更多个事件,生成与多个事件传感器对应的多个组事件生成元件被分组的组事件信号,并且所述接口设备被配置为基于生成的组事件信号来输出发生一个或更多个事件的多个事件生成元件的组的地址。

    基于神经网络的识别设备和训练神经网络的方法

    公开(公告)号:CN106997485A

    公开(公告)日:2017-08-01

    申请号:CN201611025553.8

    申请日:2016-11-17

    Inventor: 李俊行

    CPC classification number: G06N3/08 G06N3/04 G06N3/049 G06N3/084 G06N3/063

    Abstract: 提供基于神经网络的识别设备和训练神经网络的方法。提供了识别设备和训练方法。所述识别设备包括存储器,被配置为存储神经网络,所述神经网络包括神经元的前一层和基于第一突触信号和第二突触信号被激活的神经元的当前层,第一突触信号从前一层被输入,第二突触信号从当前层被输入。所述识别设备还包括处理器,被配置为基于所述神经网络来生成识别结果。当前层中的神经元之中的激活神经元生成用于刺激或抑制下一层的神经元的第一突触信号,并且生成用于抑制当前层中的除了激活神经元外的神经元的第二突触信号。

Patent Agency Ranking