本发明公开了一种基于强化学习的深度学习模型安全性保障压缩方法与装置,包括:(1)使用图网络的方式将深度学习模型建模成图网络;(2)采用GCN提取图网络的嵌入向量;(3)将图网络每个节点的当前嵌入向量作为强化学习的环境状态,采用强化学习预测基于环境状态的动作值,并依据动作值实现每个节点的嵌入向量的修剪,直到所有节点的嵌入向量修剪完成,实现深度学习模型的一轮压缩;(4)根据经过一轮压缩后的模型对样本数据的预测结果计算错误率和安全性;(5)根据错误率和安全性计算采用强化学习进行一轮深度学习模型压缩的回报值;(6)基于回报值,重复步骤(3)~步骤(5),直到迭代终止,实现深度学习模型的压缩。
声明:
“基于强化学习的深度学习模型安全性保障压缩方法与装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)