【发布时间】：2018-03-12 08:53:54
【问题描述】：
我是 caffe 新手，我已经训练了 lenet 网络，并且我已经提取了卷积层的权重。我从一行 7x7 卷积滤波器中获得了下一个值：
[[ 0.06115171 -0.12328118 -0.05160818 -0.10334936 -0.01025871 -0.0503762
-0.07576288]]
我想知道是否必须使用这些具有 8 位分辨率的权重，是否应该将这些值乘以 255？
【问题讨论】：
【发布时间】：2018-03-12 08:53:54
【问题描述】：
这些值是浮点数（每个数字可能 32 位）您的系统中有哪些值是用 8 位表示的？他们是uint8 吗？ int8?定点？
如果要缩放值，通常会缩放（x255）输入而不是权重。
【讨论】：
-
数字用 int8 表示，我怎样才能用那种格式表示这些值？因为所有的权重都是 0 不？
-
@user3780043 将浮点数（32 位）量化为 8 位并非易事。您需要缩放并可能改变数字。在Tensorflow web page 中有一个关于深度学习背景下量化的很好的解释。我认为这可能是一个很好的起点。