一种用于自动驾驶场景下的边缘节点上深度学习模型轻量化部署的方法

本发明为一种用于自动驾驶场景下的边缘节点上深度学习模型轻量化部署的方法，包括以下步骤：1）确认使用的深度学习模型和数据集；2）在训练时采用结构化剪枝方法将模型的规模减少，并尽可能保留模型的准确性；3）将剪枝后的模型部署到边缘节点上；4）根据边缘节点的本地化数据结合原始模型进行重训练，该方法基于云端数据训练后的模型进行剪枝，并将剪枝后的规模较小的模型下载到边端重训练和微调。