一种跨层度量的深度卷积神经网络通道剪枝方法

本发明涉及深度学习技术领域，公开了一种跨层度量的深度卷积神经网络通道剪枝方法，该方法包括：对深度卷积神经网络模型进行预训练，得到待剪枝的网络模型；根据卷积核范数的统计分布特性选取显著卷积核；基于选取出的显著卷积核对通道进行跨层度量；利用BN层全参数构建层剪枝敏感度，使用整体剪枝率对各层剪枝率进行配分；进行通道剪枝；结合知识蒸馏进行微调，本发明通过选取显著卷积核，减少非显著卷积核造成的干扰，跨层度量通道重要性，全面衡量通道在整个模型中的重要程度，使用BN层全参数对各层剪枝敏感性进行评价，配分剪枝率，避免人为设置剪枝率的主观性，对通道剪枝，运用知识蒸馏微调，获得高性能的轻量级模型。