量化神经网络卷积层中的可学习参数，并验证量化后的网络。通过MATLAB仿真或FPGA对量化网络进行快速原型验证。在本例中，将对LogoNet神经网络进行量化。

通过使用深度学习HDL工具箱，培训、编译和部署已将Alexnet量化为网络对象的dlhdl.Workflow对象™ Xilinx FPGA和SoC的支持包。量化通过将网络层的权重、偏差和激活量化为8位缩放整数数据类型，有助于降低深度神经网络的内存需求。使用MATLAB®从目标设备万博1manbetx检索预测结果。

在本例中，您将使用深度学习HDL工具箱™ 部署量化深度卷积神经网络并对图像进行分类。示例使用预训练的ResNet-18卷积神经网络演示量化网络的转移学习、量化和部署。使用MATLAB®检索预测结果。

演示如何使用深度学习HDL工具箱™ 部署量化GoogleNet网络对图像进行分类。该示例使用预先训练的GoogLeNet网络来演示量化网络的迁移学习、量化和部署。量化通过将网络层的权重、偏差和激活量化为8位缩放整数数据类型，有助于降低深度神经网络的内存需求。使用MATLAB®检索预测结果。