本发明提供一种离线量化工具的精度调优方法,涉及深度学习领域,包括:步骤S1,判断深度学习模型是否适合第一权重调优方案:若否,转向步骤S2;若是,根据第一权重调优方案对卷积层的权重和偏置进行调优,以重新赋值得到第一调优模型;步骤S2,用第二权重调优方案及第一训练数据对第一调优模型的各卷积层权重调优得到量化因子集;步骤S3,将第二训练数据输入第一调优模型,根据量化因子集计算得到权重最大值和权重最小值,对各卷积层的权重进行截断,并对第一调优模型中的权重赋值得到第二调优模型;步骤S4,用离线量化工具对第二调优模型量化得到量化模型。本技术方案联用多种权值调优方案对网络模型进行量化调优,提升了深度学习模型的精度。