【技术实现步骤摘要】
本专利技术涉及人工智能的领域，尤其涉及aigc神经网络模型的经验化压缩剪枝方法和系统。
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剪枝优化。aigc(artificialintelligence generated content，人工智能生成内容)神经网络模型广泛应用于ai内容生成，其能够进行文字、图像、视频和语音等不同类型内容的ai合成，极大地提高ai内容合成的效率和准确性。现有的aigc神经网络模型的剪枝优化操作都只针对特定模型和特定任务，其具有较高的专用性，使得每次进行神经网络模型剪枝优化时均需要重新进行部署，提高了神经网络模型剪枝优化的人力物力成本，其无法根据对神经网络模型的历史剪枝优化经验进行高效准确的剪枝优化操作。
技术实现思路
1、本专利技术的目的在于提供aigc神经网络模型的经验化压缩剪枝方法和系统，其基于aigc神经网络模型执行不同aigc服务的工作日志，得到神经网络通道工作状态信...
【技术保护点】
1.AIGC神经网络模型的经验化压缩剪枝方法，其特征在于，包括：
2.如权利要求1所述的AIGC神经网络模型的经验化压缩剪枝方法，其特征在于：
3.如权利要求2所述的AIGC神经网络模型的经验化压缩剪枝方法，其特征在于：
4.如权利要求1所述的AIGC神经网络模型的经验化压缩剪枝方法，其特征在于：
5.如权利要求1所述的AIGC神经网络模型的经验化压缩剪枝方法，其特征在于：
6.AIGC神经网络模型的经验化压缩剪枝系统，其特征在于，包括：
7.如权利要求6所述的AIGC神经网络模型的经验化压缩剪枝...
【技术特征摘要】
1.aigc神经网络模型的经验化压缩剪枝方法，其特征在于，包括：
2.如权利要求1所述的aigc神经网络模型的经验化压缩剪枝方法，其特征在于：
3.如权利要求2所述的aigc神经网络模型的经验化压缩剪枝方法，其特征在于：
4.如权利要求1所述的aigc神经网络模型的经验化压缩剪枝方法，其特征在于：
5.如权利要求1所述的aigc神经网络模型的经验化压缩剪枝方法，其特征在于：
...【专利技术属性】
技术研发人员：兰雨晴，余丹，陈哲平，邢智涣，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。