本發(fā)明涉及一種面向目標(biāo)檢測模型Faster R?CNN的自動量化方法，涉及深度神經(jīng)網(wǎng)絡(luò)的量化和基于深度學(xué)習(xí)的強化學(xué)習(xí)領(lǐng)域。具體過程為：遍歷目標(biāo)檢測模型Faster R?CNN，獲取可量化網(wǎng)絡(luò)層的索引，利用一個十維向量為每一層可量化的網(wǎng)絡(luò)構(gòu)建狀態(tài)，創(chuàng)建目標(biāo)檢測模型Faster R?CNN的存儲資源查詢表，評估未量化時目標(biāo)檢測模型Faster R?CNN的準(zhǔn)確率，利用基于深度學(xué)習(xí)的強化學(xué)習(xí)方法搜索最佳的量化策略，對量化后的目標(biāo)檢測模型Faster R?CNN再訓(xùn)練。該方法解決了傳統(tǒng)的基于規(guī)則的啟發(fā)式量化算法需要大量的人力工作為網(wǎng)絡(luò)的每一層設(shè)計最佳的量化位寬的問題。同時為了加快量化策略的搜索速度，將量化后模型所需的存儲資源融入到搜索過程中，跳過不必要的搜索，從而提高搜索速度。