一种深度卷积神经网络模型压缩方法、装置及设备

本发明涉及深度学习技术领域，公开了一种深度卷积神经网络模型压缩方法、装置及设备，方法包括：对预设深度卷积神经网络进行预训练得到待剪枝的网络模型；对待剪枝的网络模型每个卷积层的卷积核进行信息传递效率度量，将信息传递效率度量值满足预设条件的卷积核作为显著卷积核；利用显著卷积核对滤波器进行重要性度量得到重要性度量值；构建每个卷积层的自适应基准剪枝率，并基于滤波器重要性度量值和自适应基准剪枝率对滤波器剪枝；对剪枝后的网络模型进行微调处理得到与原网络模型性能相近的轻量级网络模型。本发明提供的方法可以对深度卷积神经网络模型有效压缩，在模型性能与原始模型性能相似的前提下，减少模型参数量及降低模型的运算量。