摘要
提供了一种卷积神经网络量化训练方法，可应用于神经网络训练技术领域，包括：获取初始卷积神经网络；基于量化感知训练方法，对卷积层以及全连接层进行训练，得到量化后的权重；按照预设条件判断权重是否满足优化目标；将不满足优化目标的权重输入到惩罚函数中，得到惩罚损失；将惩罚损失和任务损失按照预设权重相加得到总损失函数；基于总损失函数，进行联合训练；以及将批归一化层的参数融合进前级卷积层，得到训练完成的卷积神经网络。在量化感知训练的基础上，对量化后的权重分布实施约束，有利于降低卷积层、全连接层乘累加部分和的绝对值大小，以减少固定位宽的累加器上的数据溢出情况，提升量化算法在部署平台上的目标精度。
