【技术实现步骤摘要】
本专利技术涉及神经网络模型的领域，尤其涉及基于模型特征学习的神经网络模型动态剪枝系统。
技术介绍
1、神经网络模型具有计算和内存资源消耗大的特点，为了提高神经网络模型在嵌入式设备的运行效率和稳定性，需要对神经网络模型进行压缩和优化。现有对于神经网络模型的剪枝操作已经广泛应用于神经网络模型的压缩优化中，能够有效减少神经网络模型在实际运行过程中庞大的参数量和繁重的计算量。目前，神经网络模型的剪枝操作仅仅是直接对神经网络模型进行剪枝训练处理，并未充分考虑神经网络模型自身的模型特征，无法对神经网络模型进行准确全面的剪枝，不能在保证神经网络模型正常运行的情况下，最大限度压缩优化神经网络模型的节点和参数量等，降低神经网络模型剪枝的效率和可靠性。
技术实现思路
1、本专利技术的目的在于提供基于模型特征学习的神经网络模型动态剪枝方法和系统，将完成训练的基准神经网络模型存储至云端平台，将云端平台存储的所有基准神经网络模型生成为调用顺序队列，便于为进行模型剪枝提供多样化的模型剪枝分析；通过调用相应的基准神经网...
【技术保护点】
1.基于模型特征学习的神经网络模型动态剪枝方法，其特征在于，包括：
2.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
3.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
4.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
5.基于模型特征学习的神经网络模型动态剪枝系统，其特征在于，包括：
6.如权利要求5所述的基于模型特征学习的神经网络模型动态剪枝系统，其特征在于：
7.如权利要求5所述的基于模型特征学习的神经网...
【技术特征摘要】
1.基于模型特征学习的神经网络模型动态剪枝方法，其特征在于，包括：
2.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
3.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
4.如权利要求1所述的基于模型特征学习的神经网络模型动态剪枝方法，其特征在于：
...【专利技术属性】
技术研发人员：兰雨晴，余丹，于艺春，王丹星，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。