一种基于通道排序与动态正则化的模型压缩方法和系统

本发明涉及神经网络模型压缩技术领域，公开一种基于通道排序与动态正则化的模型压缩方法和系统，方法包括：对目标忆组神经网络中的卷积层的输入通道，进行排序并划分为多个通道组；确定每个通道组的初始可训练缩放因子，根据每个通道组的初始可训练缩放因子和权重矩阵，确定每个权重值的二进制表示；构建正则化损失函数；训练目标忆组神经网络，并基于正则化损失函数计算预测输出和期望输出的损失值；使用反向传播算法，计算损失函数值相对于目标忆组神经网络的可训练参数的梯度，并根据计算出的所述梯度，使用优化算法更新所述可训练参数的值，最终将压缩好的忆组神经网络部署到忆组阵列上，本发明能够在保证模型精度的前提下提升压缩率。