一种基于深度强化学习的神经网络结构化剪枝方法及装置、介质

本申请涉及深度强化学习模型压缩与硬件加速技术领域，涉及一种基于深度强化学习的神经网络结构化剪枝方法及装置、介质。所述方法包括：获取待剪枝神经网络模型，为神经网络每一层构建多维状态向量；构建层级自适应的混合剪枝模型；将多维状态向量输入层级自适应的混合剪枝模型，通过双分支Actor网络输出连续剪枝比例与离散剪枝策略的联合动作；所述Critic网络通过硬件感知型复合奖励函数量化动作的长期收益；迭代训练层级自适应的混合剪枝模型，按照每层剪枝比例和剪枝策略执行剪枝动作，选取最优策略；根据最优策略对神经网络剪枝部署于FPGA。本发明为神经网络模型在FPGA等端侧设备的精准高效部署提供创新解决方案。