[发明专利]神经网络剪枝方法、装置、电子设备及计算机可读介质

权利要求书

1.一种神经网络剪枝方法，其特征在于，包括：

获取第一输入数据；其中，所述第一输入数据包括第一权值数据；

将所述第一权值数据调整为第二权值数据；

根据第二输入数据执行神经网络计算，其中，所述第二输入数据包括所述第二权值数据以及输入神经元数据。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一权值数据调整为第二权值数据，包括：

对所述第一权值数据进行分组，得到M组权值；其中，M为大于0的正整数；

根据预设的稀疏度P确定所述M组权值中至少一组权值的阈值；

根据确定好的所述阈值对所述M组权值中的至少一组权值进行剪枝，得到第二权值数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一权值数据调整为第二权值数据，包括：

对所述第一权值数据进行分组，得到M组权值；其中，M为大于0的正整数；

根据预设的稀疏度P确定所述M组权值中每组权值的阈值；

根据确定好的所述阈值对所述M组权值中的每组权值进行剪枝，得到第二权值数据。

4.根据权利要求3所述的方法，其特征在于，所述神经网络为全连接层神经网络；

所述根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

确定所述M组权值中的第i组权值中第Q个权值为每组权值的阈值，其中，N_in为输入神经元的个数，N_out为输出神经元的个数，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数。

5.根据权利要求4所述的方法，其特征在于，所述Q为经过取整计算得到的。

6.根据权利要求3所述的方法，其特征在于，所述神经网络为卷积层神经网络；

所述根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

确定所述M组权值中的第i组权值中第R个权值为每组权值的阈值，其中，N_fin为输入特征图像的数量，N_fout为输出特征图像的数量，K_x以及K_y为卷积层神经网络中卷积核的大小，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数。

7.根据权利要求3所述的方法，其特征在于，所述神经网络为LSTM层神经网络；所述LSTM层神经网络包括N个全连接层，所述N为大于0的正整数；

所述根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

确定第j个全连接层的第i组权值中第S个权值为每组权值的阈值，其中，N_{in_j}为第j个全连接层输入神经元的个数，N_{out_j}为第j个全连接层输出神经元的个数，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数，所述j为小于等于N的正整数。

8.根据权利要求3所述的方法，其特征在于，所述根据确定好的所述阈值对所述M组权值中的每组权值进行剪枝，得到第二权值数据，包括：

对第i组(i＝0,1，……，M)权值中小于所述确定好的阈值的权值进行剪枝，得到所述第二权值数据。

9.一种神经网络剪枝装置，其特征在于，包括：

获取单元，用于获取第一输入数据；其中，所述第一输入数据包括第一权值数据；

负载均衡单元，用于将所述第一权值数据调整为第二权值数据；

计算单元，用于根据第二输入数据执行神经网络计算，其中，所述第二输入数据包括第二权值数据以及输入神经元数据。