本申请涉及量化卷积神经网络的生成方法、装置、设备或存储介质，该方法包括：获取已训练的全精度卷积神经网络和待训练的量化卷积神经网络；基于已训练的全精度卷积神经网络，对待训练的量化卷积神经网络进行循环迭代，得到已训练的量化卷积神经网络；在每一次迭代过程中：获取已训练的全精度卷积神经网络基于输入数据进行前向传播后的第一输出值；对当前待训练的量化卷积神经网络的当前全精度权值参数进行量化，得到当前量化权值参数；当前量化权值参数用于前向传播得到第二输出值；当前全精度权值参数用于权值更新。如此，利用已训练的全精度卷积神经网络，指导量化卷积神经网络的训练，可以提升训练完成后量化卷积神经网络的精度。