A 包括

B 获得表示深度神经网络的权重、偏置和非线性的信息

C 用于所述深度神经网络的图像数据的近似训练集

D 基于用于所述深度神经网络的至少一个第k层的所述权重、偏置和非线性并基于所述近似训练集来生成所述至少一个第k层的输入和输出

E 所述输入和输出表示图像数据

F 基于所获得的所述至少一个第k层的输入和输出来确定输出矩阵

G 所述输出矩阵用于导出所述至少一个第k层的所述权重的低位移秩近似

H 其中确定所述输出矩阵包括

I 通过最小化所生成的所述至少一个第k层的输出与从所述权重的低位移秩近似获得的相应输出之间的误差

J 使用所述至少一个第k层的当前批次的输入和输出来生成用于所述至少一个第k层的当前输出矩阵

K 基于所述当前输出矩阵更新针对先前迭代生成的输出矩阵

L 采用下一批次重复生成和更新

M 直到已经满足最小化准则

N 对所述输出矩阵的系数执行量化和熵译码以形成所述比特流。