买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州海康威视数字技术股份有限公司申请的专利一种网络模型的训练方法、装置及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115062792B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210751469.3，技术领域涉及：G06N20/00；该发明授权一种网络模型的训练方法、装置及设备是由张凯;任文奇;李哲暘;谭文明;任烨设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种网络模型的训练方法、装置及设备在说明书摘要公布了：本申请提供一种网络模型的训练方法、装置及设备，该方法包括：获取网络层对应的浮点型激活梯度值；对浮点型激活梯度值进行量化，得到定点型激活梯度值和激活值量化超参；浮点型激活梯度值包括多个浮点型数值，基于激活值量化超参确定每个浮点型数值对应的量化中间值；针对每个量化中间值，若量化中间值不大于预设阈值，确定量化中间值对应的概率向量，基于概率向量确定量化中间值对应的定点型数值；基于所有量化中间值对应的定点型数值生成定点型激活梯度值；基于定点型激活梯度值对网络层的初始模型权重进行调整，将调整后模型权重更新为网络层的初始模型权重。通过本申请技术方案，可以减轻运算复杂度，运算量较小，能够对训练过程进行加速。

本发明授权一种网络模型的训练方法、装置及设备在权利要求书中公布了：1.一种网络模型的训练方法，其特征在于，初始网络模型包括多个网络层，每个网络层包括初始模型权重，所述初始网络模型的输入数据是浮点型样本图像，在将浮点型样本图像输入给初始网络模型之后，通过所述初始网络模型对所述浮点型样本图像进行处理；其中，针对每个网络层，所述方法包括： 获取所述网络层对应的所述浮点型样本图像的浮点型激活梯度值； 对所述浮点型样本图像的浮点型激活梯度值进行量化，得到所述浮点型样本图像的定点型激活梯度值和所述浮点型样本图像的激活值量化超参；其中，所述浮点型样本图像的浮点型激活梯度值包括多个浮点型数值，基于所述浮点型样本图像的激活值量化超参对每个浮点型数值进行缩放，得到每个浮点型数值对应的量化中间值；针对每个量化中间值，若所述量化中间值不大于预设阈值，则确定所述量化中间值对应的概率向量，基于所述概率向量确定所述量化中间值对应的定点型数值；基于所有量化中间值对应的定点型数值生成所述浮点型样本图像的定点型激活梯度值；其中，所述概率向量包括第一概率和第二概率，所述第一概率是所述量化中间值对应的定点型数值为所述量化中间值的向上取整值的概率，所述第二概率是所述量化中间值对应的定点型数值为所述量化中间值的向下取整值的概率；确定所述量化中间值对应的概率向量包括：基于所述量化中间值的向上取整值和或所述量化中间值的向下取整值，确定所述量化中间值对应的第一概率以及第二概率； 基于所述浮点型样本图像的定点型激活梯度值对所述网络层的初始模型权重进行调整，将调整后的模型权重更新为所述网络层的初始模型权重； 其中，在对所有网络层的初始模型权重进行调整得到调整后的模型权重之后，若所述初始网络模型已收敛，则将已收敛的网络模型作为目标网络模型，在终端设备部署所述目标网络模型，以通过所述目标网络模型对图像数据进行处理，得到针对所述图像数据的处理结果；其中，若所述目标网络模型用于实现人脸检测，则将包括人脸的图像输入给所述目标网络模型，通过所述目标网络模型对该图像进行人工智能处理得到人脸检测结果；若所述目标网络模型用于实现车辆检测，则将包括车辆的图像输入给所述目标网络模型，通过所述目标网络模型对该图像进行人工智能处理得到车辆检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州海康威视数字技术股份有限公司，其通讯地址为：310051 浙江省杭州市滨江区阡陌路555号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。