本發明公開了一種基于強化學習的深度學習模型安全性保障壓縮方法與裝置,包括:(1)使用圖網絡的方式將深度學習模型建模成圖網絡;(2)采用GCN提取圖網絡的嵌入向量;(3)將圖網絡每個節點的當前嵌入向量作為強化學習的環境狀態,采用強化學習預測基于環境狀態的動作值,并依據動作值實現每個節點的嵌入向量的修剪,直到所有節點的嵌入向量修剪完成,實現深度學習模型的一輪壓縮;(4)根據經過一輪壓縮后的模型對樣本數據的預測結果計算錯誤率和安全性;(5)根據錯誤率和安全性計算采用強化學習進行一輪深度學習模型壓縮的回報值;(6)基于回報值,重復步驟(3)~步驟(5),直到迭代終止,實現深度學習模型的壓縮。
聲明:
“基于強化學習的深度學習模型安全性保障壓縮方法與裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)