一种卷积神经网络模型的全局稀疏化方法及装置

本发明公开了一种卷积神经网络模型的全局稀疏化方法及装置，涉及人工智能技术领域。方法包括：设定模型的约束条件；通过拉丁超立方采样算法为每个待优化的卷积核通道设置不同的随机阈值；若当前模型精度和当前模型大小不满足约束条件，则通过差分进化算法迭代优化每个卷积核通道的阈值，直至达到预设迭代次数，或者当前模型大小和当前模型精度满足所述约束条件；重复执行所述模型压缩步骤，直至当前模型精度和当前模型大小满足所述约束条件。本发明全局搜索能力强、鲁棒性好，能够兼顾模型精度和模型大小。