原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种面向NPU计算架构的量化训练无损推理协同设计方法。本发明包括以下步骤：1)为神经网络模型训练选用合适的量化计算实现方式，对量化训练参数进行初始化；2)使用量化设计后的方式对模型超参数进行设计；3)在神经网络模型训练阶段引入量化约束，完成模型的低比特量化训练，生成量化训练模型权重；4)使用相同数据，对量化训练后的模型推理结果进行正确性验证；5)设计NPU计算架构支持低比特量化模型的推理，实现模型推理过程与模型量化训练过程完全相同；6)使用NPU推理训练量化后的模型，对比NPU与PC端
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117852594A
(43)申请公布日2024.04.09
(21)申请号202311743072.0
(22)申请日2023.12.18
(71)申请人西安翔腾微电子科
文档评论（0）