收录：
摘要：
本发明涉及一种基于Shapley值的深度神经网络滤波器剪枝方法，包括以下步骤：选择原始网络模型，准备数据集，划分为训练集和测试集，固定模型参数，通过数据集训练出未剪枝的初始模型；将部分训练集输入初始模型，计算出每个滤波器的Shapley值；设置剪枝比例，根据Shapley值对初始模型进行剪枝，然后使用数据集对剪枝后的模型进行重新训练，得到最终的模型。本发明提出了一个Shapley值近似值计算方法，通过先假设所有滤波器Shapley值相同，然后根据不同滤波器组合的效应函数值对所有滤波器的Shapley值进行调整，最终到达对实际Shapley值的近似。
关键词：
通讯作者信息：
电子邮件地址：
