本發(fā)明公開了一種基于神經(jīng)架構(gòu)搜索的輕量級多退出點(diǎn)模型的建立方法，包括如下步驟：搜集電網(wǎng)圖像數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)集，將樣本數(shù)據(jù)集劃分為訓(xùn)練集和測試集；以樹形結(jié)構(gòu)為基礎(chǔ)，設(shè)計(jì)包括主干網(wǎng)絡(luò)和分支分類器的多退出點(diǎn)模型架構(gòu)；通過將若干種卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行剪裁并重新組合的方法構(gòu)建搜索空間，基于圖像分類任務(wù)以權(quán)衡模型分類精度和模型大小為目標(biāo)建立目標(biāo)函數(shù)；將訓(xùn)練集輸入搜索空間中，利用策略梯度的強(qiáng)化學(xué)習(xí)算法對目標(biāo)函數(shù)進(jìn)行優(yōu)化，以多退出點(diǎn)模型架構(gòu)為基礎(chǔ)進(jìn)行訓(xùn)練獲取多退出點(diǎn)模型。本發(fā)明能很好地權(quán)衡了搜索得到的神經(jīng)網(wǎng)絡(luò)的精度和參數(shù)大小，實(shí)現(xiàn)對電力邊緣側(cè)的圖像分類模型的壓縮。