一种基于静动态联合的卷积神经网络剪枝方法及装置

本发明公开了一种基于静动态联合的卷积神经网络剪枝方法及装置，其中方法包括：对卷积神经网络参数进行静态剪枝，筛选出权重低的参数进行剪除，优化卷积神经网络参数；在卷积神经网络训练过程中，根据输入样本的特定特征，动态评估剩余通道的重要性，对卷积神经网络参数进行动态剪枝再优化；静态剪枝联合动态剪枝，直至完成卷积神经网络剪枝。本发明将静态剪枝和动态剪枝相结合，充分利用了两种剪枝策略的互补优势，实现模型尺寸的缩减和计算效率的提升，同时尽量保持模型的性能不受损害，不仅比静态剪枝更加灵活，还比动态剪枝减少了额外的计算成本和时间开销。