卷积神经网络的定点化研究

• 作者: 方向忠 陈俊保
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 卷积神经网络 定点化 归一化
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 研究与探讨
• 页码范围: 94-96,102
• 页数: 4页
• 分类号: TP391|TP183
• 字数: 2874字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2018.07.022

摘要

为了摆脱对GPU的依赖,将卷积神经网络实现于FPGA等嵌入式系统之中,介绍了一种卷积神经网络的定点化算法,用以减少网络参数存储空间以及计算需求.该方法首先对已训练的卷积神经网络的权重参数进行归一化处理,统一了权重定点化的量化区间,避免了由于不同层权重参数的大小范围不一致造成的不必要的量化损失.然后研究了不同的权重参数量化位数对网络准确率的影响,最后对特征图的不同量化区间对网络准确率的影响进行实验,最终确定了最佳量化区间.实验结果表明,当权重量化位数为8位,特征图量化位数为16位时,整个网络的准确率的损失为0.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方向忠	上海交通大学电子信息与电气工程学院	91	515	10.0	18.0
2	陈俊保	上海交通大学电子信息与电气工程学院	1	4	1.0	1.0