一种深度学习模型剪枝方法

本发明涉及一种基于深度学习无需真实样本参与的模型剪枝方法，可解决目前零样本、基于类别的模型剪枝方法的缺失问题。包括下列步骤：首先准备一个图像分类模型，然后创建初始随机图像，对其进行归一化之后输入模型，获取各个神经元的输出均值和分类概率向量。利用分类概率向量、目标神经元输出均值、神经元所属卷积层的其他神经元的输出均值共同设置损失函数，然后对深度梦进行多轮优化，最后去归一化得到最终的深度梦。最后将深度梦输入模型，得到目标类别的预测概率，根据预测概率与预设的概率阈值判断神经元是否对目标类别有着重要意义，从而判断是否进行剪枝。本发明无需真实样本参与即可判断神经元重要程度，从而进行模型剪枝。