一种深度卷积神经网络模型多维度剪枝方法

本发明公开了一种深度卷积神经网络模型多维度剪枝方法，该方法一方面能够自动化地完成模型剪枝、性能恢复等流程，实现深度学习模型的高效压缩和优化，对剪枝后的模型进行微调，学习率设置为原始训练时的十分之一或更小，以避免过大的参数更新导致模型性能不稳定。同时监控验证数据集上的性能变化，当验证数据集上的性能达到稳定或不再显著提升时，停止微调。该方法另一方面在通过综合考虑参数的局部重要性和全局结构信息，实现更精准的参数重要性评估。