一种基于滤波器贡献度的深度学习网络剪枝方法

本发明公开了一种基于滤波器贡献度的网络剪枝方法，涉及深度学习网络压缩领域。预训练卷积神经网络模型，采用基于计算图的贡献度解释算法获得模型各节点贡献度矩阵，用于计算各节点的滤波器重要性，并进行全局的滤波器重要性排序。依照选定的全局剪枝比例剪去重要性低的滤波器，对剪枝后进行模型的性能微调。不断进行剪枝、微调并提高剪枝比例，最终得到压缩后的卷积神经网络模型。本发明利用贡献度的滤波器剪枝方法，将网络可解释性与模型轻量化相结合，提供了一种客观、全局的网络剪枝方法。