一种卷积神经网络模型的压缩方法及装置

摘要

本发明公开了一种卷积神经网络模型的压缩方法及装置，所述方法包括如下步骤：步骤S1，对原始卷积神经网络模型的每个卷积通道的重要性因子γ使用动态正则化约束，进行稀疏化训练，使模型的有效权重尽量集中在重要性因子较大的通道中，获得稀疏的稀疏卷积神经网络模型；步骤S2，根据稀疏卷积神经网络模型的通道重要性因子的大小，执行全局通道剪枝剪除不重要的通道，得到压缩后的剪枝卷积神经网络模型。