一种基于同构分组的深度模型自动结构化剪枝方法

基于同构分组的深度模型自动结构化剪枝方法，包括以下步骤：1)引入统一的评估框架，扩展方法到多种视觉模型架构，进行归一化评估；2)通过依赖图自动分解神经网络为最小可剪枝子结构，基于图同构检测将子结构划分为同构组，按同构组独立进行重要性评估与剪枝；3)基于几何中值和特征重建协同的剪枝算法进行迭代式结构化剪枝，控制模型复杂度；4)对剪枝后的模型进行微调训练恢复性能；5)生成微调后模型性能结果图像。所述方法通过标准化的评估流程，对主流结构剪枝算法在多种模型结构和任务中进行系统评估，支持多种剪枝阶段(稀疏化阶段与剪枝阶段)方法的接入。本发明能够自动地分析复杂的模型结构耦合，从而正确地移除参数，在此基础上使用同构分组方法克服了传统全局排序中因结构异质性导致的偏差问题。