基于深度卷积神经网络模型的结构化剪枝方法和装置

摘要

本申请公开了一种基于深度卷积神经网络模型的结构化剪枝方法和装置。该方法包括：基于BN层的缩放因子对预先训练的深度卷积神经网络模型进行稀疏正则化训练，得到稀疏模型；根据稀疏模型的第一BN层参数，计算稀疏模型中残差结构的重要性评分；根据残差结构的重要性评分以及预设剪枝层数，对稀疏模型进行层剪枝；根据稀疏模型的第二BN层参数，计算各通道的重要性评分；根据各通道的重要性评分、预设全局剪枝率和预设局部保护剪枝率，对结构化层剪枝后的模型进行通道剪枝，得到结构化通道剪枝后的模型；整理结构化通道剪枝后的模型，得到用于在嵌入式端部署应用的轻量化模型。本申请能够解决高精度复杂模型难以在(中低端)移动端直接部署的问题。