由于计算成本高和内存开销大，很难在合成Kong径雷达（SAR）目标识别的实时嵌入式设备上部署原始的深度卷积神经网络（CNN）。 另外，现有的轻量级方法在压缩率和识别精度之间进行权衡。 本文提出了一种无损轻量化的CNN有效地实现SAR目标识别的设计策略，该策略巧妙地利用了修剪和知识提炼。 具体而言，首先在卷积网络上逐层执行结构化修剪，以生成轻量级网络，该轻量级网络随后被视为学生网络。 然后，在教师网络（即未经修剪和训练有素的网络）的帮助下，通过知识蒸馏对修剪的网络进行精炼，以恢复准确性。 此外，可