一种分类网络的压缩方法、装置、电子设备及存储介质

本发明提供一种分类网络的压缩方法、装置、电子设备及计算机可读存储介质，涉及深度学习技术领域。压缩方法包括：获取初始卷积分类网络和扰动输入图像，其中，初始卷积分类网络包括至少一个卷积层，卷积层包括多个卷积核；基于初始卷积分类网络对扰动输入图像进行前向传播，确定各个卷积核的掩码图像；基于各个卷积核的掩码图像，确定初始卷积分类网络的移除卷积核，并压缩初始卷积分类网络，得到目标卷积分类网络。以至少解决相关技术中存在的无法准确衡量卷积核提取特征的稳健性，压缩模型分类准确率无法保证，扰动空间与结构空间的高效双向搜索技术难度大的问题。适应于网络压缩和模型压缩场景。