用于卷积神经网络的多维度复合缩放方法

本发明公开一种用于卷积神经网络的多维度复合缩放方法，主要解决现有技术缩放网络时参数冗余和搜索缓慢的问题。其实现方案是：选取基线网络，设定其FLOPs上限；选取缩放关系约束，确定网络分辨率、宽度、深度缩放因子；调整基线网络生成多个候选网络；构建候选网络的延迟评估模型；使用此模型和网络精度筛选候选网络，得到基线网络的最佳缩放配置网络分辨率缩放因子er、网络宽度缩放因子ew、网络深度缩放因子ed；按照该最佳缩放配置对基线网络进行缩放。本发明减少了缩放网络的参数冗余，实现了更高的参数效率，提高了候选网络的生成速度，加快了评估候选网络架构的过程，提高了整体的搜索效率，可用于将神经网络模型部署到资源有限的硬件设备中。