本發(fā)明公開(kāi)了一種適用于通信網(wǎng)現(xiàn)場(chǎng)維護(hù)的模型壓縮方法，使用基于深度強(qiáng)化學(xué)習(xí)的模型剪枝算法和自適應(yīng)聚類的模型量化算法對(duì)模型進(jìn)行壓縮，在保證模型精度的前提下壓縮模型體積以及提升模型檢測(cè)速度?；谏疃葟?qiáng)化學(xué)習(xí)的模型剪枝算法，以通信網(wǎng)現(xiàn)場(chǎng)維護(hù)模型性能作為需求約束，用深度確定性策略梯度的強(qiáng)化學(xué)習(xí)算法對(duì)模型各層的壓縮比進(jìn)行控制，實(shí)現(xiàn)自動(dòng)通道剪枝，再進(jìn)行層剪枝，在保證模型精度的前提下，從寬度和深度分別進(jìn)行模型的壓縮。自適應(yīng)聚類的模型量化算法，用改進(jìn)的BIRCH算法自動(dòng)獲取聚類的個(gè)數(shù)，使聚類個(gè)數(shù)的選取不再依賴先驗(yàn)知識(shí)，再通過(guò)K?meansII算法獲取初始化質(zhì)心，使聚類中心位置的選取不再具有盲目性，提升模型壓縮比，大大減少模型存儲(chǔ)體積。