卷积神经网络模型剪枝方法和装置、电子设备、存储介质

摘要

本公开实施例提供卷积神经网络模型剪枝方法和装置、电子设备、存储介质，涉及人工智能技术领域。该卷积神经网络模型剪枝方法，包括：获取待剪枝模型的损失函数，对损失函数进行泰勒展开，得到第一参数重要性指标值和第二参数重要性指标值；根据第一参数重要性指标值和第二参数重要性指标值计算每个滤波器对应的剪枝重要性指标；根据预设剪枝率和每个滤波器对应的剪枝重要性指标，对待剪枝模型进行剪枝得到剪枝模型。本实施例考虑滤波器之间的关系以及模型中每个卷积层内部滤波器的冗余信息，量化滤波器的重要性，提高卷积神经网络模型剪枝的准确率，提升模型压缩精度和运算速度。