基于网络稀疏程度和硬件约束的自适应剪枝方法

本发明提供一种基于网络稀疏程度和硬件约束的自适应剪枝方法，本发明通过将正则化项引入卷积神经网络的总损失函数中，使得在训练过程中自适应调整每一层的剪枝率；在执行剪枝过程中，依据卷积核的L2范数值对卷积核进行排序；并构建卷积核的二维掩码mask，然后根据预设的剪枝比例计算L2范数阈值，并将L2范数值小于L2范数阈值的卷积核的剪掉；在推理过程中，通过动态规划与递归搜索的分层优化策略对剪枝生成的不规则稀疏数据进行动态分块处理。本发明能够在不同训练阶段根据任务需求自动调整剪枝率，有效避免了过度剪枝或剪枝不足的问题，提升了网络的稀疏性并显著降低了硬件计算复杂度，同时保持了任务的性能。