在神经网络的卷积层中量化可学习参数，并验证量化网络。通过使用MATLAB仿真或FPGA来验证量化网络快速原型。在此示例中，您量化LogoNet神经网络。

培训、编译和部署dlhdl。工作流对象，通过使用Xilinx FPGA和SoC的Deep Learning HDL Toolbox™支持包，将Alexnet量化为网络对象。金宝app量化通过将网络层的权重、偏差和激活量化为8位比例整数数据类型，帮助降低深度神经网络的内存需求。使用MATLAB®从目标设备检索预测结果。

在此示例中，您可以使用Deep Learning HDL Toolbox™部署量化的深度卷积神经网络并分类图像。该示例使用预磨料的Reset-18卷积神经网络来演示量化网络的传输学习，量化和部署。使用MATLAB®检索预测结果。

展示如何使用深度学习HDL工具箱™部署一个量化的GoogleNet网络来分类图像。该示例使用预训练的GoogLeNet网络演示迁移学习、量化和量化网络的部署。量化通过将网络层的权重、偏差和激活量化为8位比例整数数据类型，帮助降低深度神经网络的内存需求。利用MATLAB®实现预测结果的检索。