一种剪枝后卷积神经网络的网络结构优化方法及装置

本发明涉及深度学习技术领域，公开了一种剪枝后卷积神经网络的网络结构优化方法及装置，方法包括：获取初始卷积神经网络模型并进行预训练，得到预训练模型；对预训练模型的每一卷积层进行剪枝，基于卷积层的每一卷积核的剪枝标记，构建卷积层的剪枝标记矩阵；基于卷积层的剪枝标记矩阵对卷积层中的多个滤波器进行聚类，得到目标聚类矩阵；基于每一卷积层的剪枝标记矩阵和目标聚类矩阵对预训练模型进行精简映射，得到目标卷积神经网络。本发明利用滤波器间有效卷积核分布的相似性进行聚类，减少冗余参数，提高模型的压缩效率，并对模型进行精简映射，在保持模型精度的前提下，有效压缩模型结构，降低了模型的计算成本和存储需求。