摘要
本发明为一种灵活轻量的深度神经网络模型泛化方法，所述方法包括如下步骤：1）根据模型进行分层；2）获取模型概率输出；3）根据用户需求选择调制模式；4）获取模型输出；5）确定模型调制水平。本发明可以1）满足多样化需求，为模型所有者提供效用控制，为用户提供特征关注调整，精准契合不同需求，有效解决传统方法在满足多样化需求方面的局限，增强模型实用性与适应性；2）调制方式灵活，该方法基于概率输出进行干预，概率输出对模型决策影响重大且便于精细调控，为模型应用带来更多可能；3）适用广范，凭借概率分布在深度神经网络架构中的共性。
