基于条件谱残余引导的视觉模型结构化剪枝方法、装置、设备及存储介质

本发明公开了一种基于条件谱残余引导的视觉模型结构化剪枝方法、装置、设备及存储介质，属于深度学习模型压缩技术领域。该方法识别视觉模型中的单路径生产‑消费接口并形成队列；针对当前接口训练条件谱模型，计算不同待剪‑保留划分的条件谱残余评分，并根据评分逐步生成嵌套保留路径；沿所述路径测试不同保留规模，并通过结构屏蔽、消费参数吸收和性能验证确定最终剪枝方案；经恢复训练后继续处理下一接口直到队列为空，最终得到结构化剪枝模型。本发明在保持模型任务性能的同时降低参数量和计算量，减少算力、存储和能耗成本，提高视觉模型的部署效率，具有良好的应用价值和经济效益。