基于模型参数共享的神经网络训练方法及系统

本申请涉及深度学习技术领域，尤其涉及一种基于模型参数共享的神经网络训练方法及系统，方法包括对于已有部署在端侧的M层DFSMN声学模型，计算其算力与参数量，基于该模型相同参数量适当增加总算力需求，判断芯片算力是否剩余；若是芯片算力剩余，选择DFSMN声学模型每层的部分参数构建共享层；按照Seq‑Skip参数共享策略对构建的共享层进行组织和分配；在选定的Seq‑Skip参数共享策略生成N层的DFSMN声学模型，对参数共享后的DFSMN声学模型进行训练和性能测试，判断模型各项指标是否达到预期要求，能够在资源受限的低功耗环境下保证内存占用不变的前提下，通过Seq‑Skip参数共享的方式，利用剩余的额外算力实现神经网络模型的高效训练和精准语音识别。