随着深度学习技术的不断发展，以卷积神经网络为代表的一系列模型在图像分类、目标检测等领域取得了良好的效果，并在生活中得到了广泛应用。但目前的卷积运算通常为浮点运算，在模型设计越来越复杂的情况下，浮点计算所带来的内存占用和时间消耗都非常巨大，难以在嵌入式设备上进行部署，因此通常需要将浮点运算量化为定点运算，以提高网络前向推理的效率。

  现有的量化方法虽然将权值量化为定点数，但在前向推理过程中仍然涉及部分浮点运算，这会给嵌入式设备带来一定的性能损耗，另外，现有量化方法通常对每层卷积的多个通道分别进行量化，导致每一层需要多个量化参数，这会增加嵌入式设备尤其是FPGA设备调度的复杂性。因此，设计一种更为简洁的全定点卷积计算方法尤为必要。