一种基于忆阻器的多级压缩协同优化神经网络部署方法、装置及存储介质

本发明涉及人工智能硬件加速领域，公开了一种基于忆阻器的多级压缩协同优化神经网络部署方法、装置及存储介质。该方法包括以下步骤：基于Ll范数与梯度敏感度的双驱动评分机制及硬件反馈，对预训练模型进行渐进式结构化剪枝，生成硬件友好的稀疏权重结构；通过可微非线性电导建模函数模拟忆阻器特性，采用卷积层4位、全连接层2位的混合精度量化，同步优化网络权重与电导参数以降低误差；注入电导漂移及读写噪声模型，结合自适应噪声增强与KL散度损失，提升模型抗干扰能力；将优化后的模型映射至忆阻器存算架构，完成权重编码及推理。本发明通过剪枝.量化.蒸馏协同优化，解决了忆阻器部署中存储密度不足、非理想特性干扰及算法.硬件失配问题。