一种基于动态阈值的教师-学生模型最佳匹配方法

本发明涉及深度学习技术领域，公开一种基于动态阈值的教师‑学生模型最佳匹配方法，包括：对预训练的教师模型进行迭代剪枝，获得中间剪枝模型；在每次迭代剪枝后，评估中间剪枝模型的性能；基于中间剪枝模型的性能反馈，动态调整下一次迭代剪枝的剪枝阈值；重复前三步，直至满足预设的剪枝终止条件，获得至少一个学生模型；从至少一个学生模型中，选择与教师模型相匹配的学生模型。通过动态评估与阈值调整机制，实现了对深度模型冗余移除过程的实时监测和自适应调优；避免了传统固定剪枝率方法引发的过度剪枝与欠剪枝问题；产出多个适应不同性能的学生模型，显著减少人工调参成本，并使教师‑学生模型在知识蒸馏或部署应用中更好地匹配。