基于灰色关联分析的深度卷积神经网络模型的裁剪方法

摘要

本发明公开了一种基于灰色关联分析的深度卷积神经网络模型的裁剪方法，包括：对目标数据进行数据扩增以获得更多的训练数据；将未经训练的初始网络模型利用所述训练数据进行训练，获得一组拟合所述训练数据的模型参数作为进行裁剪的实验模型；利用灰色关联分析对实验模型中每个卷积核进行重要性的量化，得到每个卷积核的重要性的量化值；基于所述卷积核的重要性的量化值得到所有卷积的重要性，并将最不重要的卷积核作为目标卷积核；对目标卷积核及与所述目标卷积核相关的下一层卷积核进行重复裁剪，直至满足停止条件。实现准确找出被裁剪后对精度影响最小的卷积核，在保证精度的情况下提高模型裁剪比例，加快裁剪后新模型推理运算速度的优点。