量化神经网络在电站巡检中的应用

• 作者: 郭义明 吴应龙 黄光球 薛峰
• 来源期刊: 电力系统装备
• 学科: 工学
• 关键词: 电力巡检 深度学习 神经网络 卷积神经
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 电力管理
• 页码范围: 111-113
• 页数: 3页
• 分类号: TP242
• 语种: 中文

摘要

基于深度卷积神经网络的应用往往需要大量的计算成本和算力资源.目前电站巡检机器人和手持智能巡检设备的硬件资源有限.在这些设备上直接运行现有的网络结构框架显得有点吃力.因此提出一种量化方法,仅使用整数算法对原来的浮点数值进行近似的逼近.将原来的模型权重和激活函数的参数全部量化为整数,在通用的仅支持整数的硬件上使用整数算法进行推理,可以比浮点数值更加有效快速的实现.结果表明,提出的量化方案提高了精度和设备推演延迟之间的权衡,在精度损失不大的情况下,能够将模型缩减为原来模型的1/4,能够在内存资源有限的平台布置网络.