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！

龙图腾网获悉上海阵量智能科技有限公司申请的专利神经网络量化、处理方法、装置、电子设备及存储介质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：CN115034389B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202210911217.2，技术领域涉及：G06N3/0495；该发明授权神经网络量化、处理方法、装置、电子设备及存储介质是由张卓翼设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本神经网络量化、处理方法、装置、电子设备及存储介质在说明书摘要公布了：本公开提供了一种神经网络量化、处理方法、装置、电子设备及存储介质，该方法包括：获取待量化神经网络；针对所述待量化神经网络中任一待量化的网络处理层，基于所述待量化的网络处理层的特征数据和量化误差表达式，确定所述待量化的网络处理层的特征数据对应的目标分段点；其中，所述量化误差表达式用于确定所述特征数据和所述特征数据对应的量化后数据之间的误差；以便在所述待量化神经网络的推理过程中，基于所述待量化的网络处理层对应的所述目标分段点，对所述待量化神经网络中所述网络处理层的运算特征数据进行量化处理。

本发明授权神经网络量化、处理方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种神经网络量化方法，其特征在于，包括： 获取待量化神经网络；其中所述待量化神经网络为用于进行语义分割任务的神经网络； 针对所述待量化神经网络中任一待量化的网络处理层，基于所述待量化的网络处理层的特征数据和量化误差表达式，确定所述待量化的网络处理层的特征数据对应的目标分段点；其中，所述量化误差表达式用于确定所述特征数据和所述特征数据对应的量化后数据之间的误差；所述目标分段点用于输入到运行所述待量化神经网络的芯片，以便所述芯片在运行所述待量化神经网络的推理过程中，基于所述待量化的网络处理层对应的所述目标分段点，对所述待量化神经网络进行量化处理； 所述基于所述待量化的网络处理层的特征数据和量化误差表达式，确定所述待量化的网络处理层的特征数据对应的目标分段点，包括： 将初始化迭代次数确定为当前迭代次数，将目标特征值确定为历史分段点，将初始化误差确定为误差阈值，基于所述历史分段点和总迭代次数，确定所述当前迭代次数对应的当前分段点；其中，所述目标特征值为所述特征数据中绝对值最大的特征值； 基于所述当前分段点、所述特征数据和所述量化误差表达式，确定所述当前分段点对应的量化误差； 在所述量化误差小于所述误差阈值的情况下，将所述当前迭代次数进行加一操作，得到更新后的当前迭代次数；并将所述量化误差确定为更新后的误差阈值，将所述当前分段点确定为更新后的历史分段点，返回至所述基于所述历史分段点和总迭代次数，确定所述当前迭代次数对应的当前分段点的步骤，直至更新后的当前迭代次数大于所述总迭代次数； 将最后一次迭代后得到的历史分段点，确定为所述待量化的网络处理层的特征数据对应的目标分段点； 在所述当前分段点对应的所述量化误差大于或等于所述误差阈值的情况下，将所述当前迭代次数进行加一操作，得到更新后的当前迭代次数，返回至所述基于所述历史分段点和总迭代次数，确定所述当前迭代次数对应的当前分段点的步骤，直至更新后的当前迭代次数大于所述总迭代次数； 将最后一次迭代后得到的当前分段点，确定为所述待量化的网络处理层的特征数据对应的目标分段点； 在所述特征数据包括输入特征数据和或输出特征数据的情况下，在所述基于所述待量化的网络处理层的特征数据和量化误差表达式，确定所述待量化的网络处理层的特征数据对应的目标分段点之前，还包括： 获取校准数据，其中，所述校准数据中包括至少一个校准图像； 针对每个所述校准图像，基于所述校准图像和所述待量化神经网络，确定所述待量化的网络处理层对应的、与所述校准图像匹配的特征数据。

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上海阵量智能科技有限公司，其通讯地址为：200235 上海市徐汇区永嘉路698号518室；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。