网络模型剪枝方法、电子设备及存储介质技术

本申请涉及计算机技术领域，提供一种网络模型剪枝方法、电子设备及存储介质，其中网络模型剪枝方法，包括：获取待剪枝网络模型中不同预设剪枝策略对应的待剪枝通道集，待剪枝通道集中不同待剪枝通道表征使用对应预设剪枝策略获取的不重要的通道；基于待剪枝通道集，确定目标待剪枝通道；基于目标待剪枝通道，对待剪枝网络模型进行剪枝。使用本申请方法能够实现在计算机硬件资源和实时性有限时对CNN进行高效轻量化的目的，同时也有效提高了剪枝后网络模型的精度。网络模型的精度。网络模型的精度。

【技术实现步骤摘要】
网络模型剪枝方法、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及网络模型剪枝方法、电子设备及存储介质。

技术介绍

[0002]近年来，随着计算机技术的不断发展，深度神经网络(Convolutional Neural Networks，CNN)因其信息提取能力也越来越被广泛应用于无人驾驶、图像分类及目标识别等领域，并且随着CNN的深度更深、宽度更宽时，其信息提取能力更强，但随之对计算机硬件资源和实时性也提出了更高要求。因此，在计算机硬件资源和实时性有限时如何对CNN进行轻量化成为研究热点。

技术实现思路

[0003]本申请旨在至少解决相关技术中存在的技术问题之一。为此，本申请提出一种网络模型剪枝方法，实现在计算机硬件资源和实时性有限时对CNN进行高效轻量化的目的，同时也有效提高了剪枝后网络模型的精度。
[0004]本申请还提供一种电子设备。
[0005]本申请还提供一种非暂态计算机可读存储介质。
[0006]本申请还提出一种计算机程序产品。
[0007]根据本申请第一方面实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络模型剪枝方法，其特征在于，包括：获取待剪枝网络模型中不同预设剪枝策略对应的待剪枝通道集，所述待剪枝通道集中不同待剪枝通道表征使用对应所述预设剪枝策略获取的不重要的通道；基于所述待剪枝通道集，确定目标待剪枝通道；基于所述目标待剪枝通道，对所述待剪枝网络模型进行剪枝。2.根据权利要求1所述的网络模型剪枝方法，其特征在于，所述不同预设剪枝策略包括BN层通道剪枝策略和卷积层通道剪枝策略，所述获取待剪枝网络模型中不同预设剪枝策略对应的待剪枝通道集，包括：获取待剪枝网络模型中BN层的目标缩放因子和卷积层的卷积核的目标权重参数；确定与所述目标缩放因子匹配的第一待剪枝通道以及与所述目标权重参数匹配的第二待剪枝通道；获取含有所述第一待剪枝通道和所述第二待剪枝通道的所述待剪枝通道集。3.根据权利要求2所述的网络模型剪枝方法，其特征在于，所述确定与所述目标缩放因子匹配的第一待剪枝通道以及与所述目标权重参数匹配的第二待剪枝通道，包括：基于所述目标缩放因子、所述BN层的输入和所述BN层的偏置，确定第一通道裁剪策略；基于所述第一通道裁剪策略和预设通道裁剪阈值，确定所述第一待剪枝通道；基于所述卷积核的输入和所述目标权重参数，确定第二通道裁剪策略；基于所述第二通道裁剪策略和所述预设通道裁剪阈值，确定所述第二待剪枝通道。4.根据权利要求2所述的网络模型剪枝方法，其特征在于，所述基于所述待剪枝通道集，确定目标待剪枝通道，包括：基于所述第一待剪枝通道和所述第二待剪枝通道的交集通道，确定目标待剪枝通道。5.根据权利要求2所述的网络模型剪枝方法，其特征在于，所述基于所述待剪枝通道集，确定目标待剪枝通道，还包括：按照重要性分别对多个所述第一待剪枝通道和多个所述第二待剪枝通道进行排序；基于排序所得结果的并集确定目标待剪枝通道。6.根据权利要求2所述的网络模型剪枝方法，其特征在于，所述获取待剪枝网络模型中BN层的目标缩放因子和卷积层的卷积核的目标权重参数，包括：使用样...

【专利技术属性】
技术研发人员：丁维浩，童虎庆，
申请(专利权)人：美的集团股份有限公司，
类型：发明
国别省市：