一种基于联合动态剪枝的深度神经网络压缩方法

本发明公开了一种基于联合动态剪枝的深度神经网络压缩方法，涉及神经网络压缩技术领域，该方法的步骤包括：S1、初始网络训练；S2、特征选择和动态剪枝：S3、精细化剪枝和重训练；其技术要点为：采用动态化的梯度阈值设计，使得在初步考虑剪枝时能够有针对性的进行操作和处理，结合后续依据性能评估指标进行重训练的过程，对梯度阈值做出了二次调整，在所需的情况下减少剪枝次数，以保证模型的整体性能，剪枝后的模型经过重训练，能够适应新的权重分布和连接结构，提高了模型的适应性和泛化能力，模型能够根据执行调整策略，进一步提升了模型的实用性和可部署性。