一种融合权重共享、剪枝与蒸馏的Swin Transformer模型压缩方法

本发明公开了一种融合权重共享、剪枝与蒸馏的Swin Transformer模型压缩方法，涉及神经网络技术领域。所述方法包括如下步骤：在Swin Transformer模型的多层之间共享权重，在模型的层之间添加变换层实现权重变换；构建并分析变换块的参数依赖映射图，得到参数间的相互依赖性，并构建一个二进制分组矩阵F记录所有参数之间的依赖关系，通过深度优先搜索算法实现参数分组，属于同一组的参数会被同时移除；使用KL散度蒸馏方法对权重共享和结构化剪枝处理后的模型进行性能恢复。所述方法能够有效的降低模型的复杂程度，较好的平衡模型计算复杂度和性能之间的关系。