1.一种卷积神经网络模型压缩方法，所述卷积神经网络模型应用于移动终端的应用程序，其特征在于，所述卷积神经网络模型压缩方法包括以下步骤：S1、在移动终端部署应用程序或移动终端内部环境发生变化时，提取所述应用程序中用于数据处理的原始卷积神经网络模型；

S2、对所述原始卷积神经网络模型进行复制，得到N个备选模型Mi，其中，N为所述原始卷积神经网络模型的卷积层数，i取1到N的正整数；

S3、依序对所述各备选模型Mi的任意两层卷积核进行压缩，并对压缩卷积核后的备选模型Mi进行训练，得到调整后的备选模型Mi；

S4、从所述调整后的备选模型Mi中，选择训练后性能损失最少的最优备选模型Mk，其中，

1≤k≤i且为正整数；

S5、运行所述应用程序，以调用所述最优备选模型Mk进行数据处理，并获取所述移动终端的当前内部环境参数；

S6、判断当前内部环境参数是否满足预置的资源条件；

S7、若满足，则将最优备选模型Mk作为压缩后的卷积神经网络模型；若不满足，则执行S8；

S8、将所述最优备选模型Mk作为下一轮模型压缩的原始卷积神经网络模型，并执行S2‑S7。

2.根据权利要求1所述的卷积神经网络模型压缩方法，其特征在于，所述依序对所述各备选模型Mi的任意两层卷积核进行压缩包括：选取所述各备选模型Mi中的第i层卷积层，并对所述第i层卷积层中的各卷积核进行压缩；

选取所述各备选模型Mi中的第j层卷积层，并从所述第j层卷积层中选择一个或多个卷积核进行剔除，其中所述j取1到N的正整数，且j≠i。

3.根据权利要求2所述的卷积神经网络模型压缩方法，其特征在于，所述对所述第i层卷积层中的各卷积核进行压缩包括：统计所述第i卷积层中各卷积核的预设训练参数，得到对应的参数矩阵；

计算所述各训练参数的参数绝对值，并根据所述参数绝对值的大小顺序，对所述各训练参数进行排列；

从所述各参数矩阵中选取一个或多个排序靠后的训练参数进行置零。

4.根据权利要求2所述的卷积神经网络模型压缩方法，其特征在于，所述从所述第j层卷积层中选择一个或多个卷积核进行剔除包括：获取网络输出误差，并分别计算所述第j卷积层中各卷积核相对于所述网络输出误差的贡献值；

根据所述贡献值的大小顺序，对所述各卷积核进行排列，并从所述各卷积核中选取一个或多个排序靠后的卷积核进行剔除。

5.根据权利要求1‑4中任一项所述的卷积神经网络模型压缩方法，其特征在于，所述对压缩卷积核后的备选模型Mi进行训练，得到调整后的备选模型Mi包括：获取预置训练任务和对应的预训练网络层；

分别将所述压缩卷积核后的备选模型Mi中的输出层替换为所述预训练网络层；

分别采用替换后的所述备选模型Mi执行所述训练任务，并对执行所述训练任务的备选模型Mi进行预设次数的迭代训练，得到调整后的备选模型Mi。

6.根据权利要求5所述的卷积神经网络模型压缩方法，其特征在于，所述从所述调整后的备选模型Mi中，选择训练后性能损失最少的最优备选模型Mk包括：计算所述调整后的备选模型Mi的损失值，并根据所述损失值的大小顺序，对所述调整后的备选模型Mi进行排列；

从所述调整后的备选模型Mi中选取排序最后的一个备选模型Mi作为最优备选模型Mk。

7.一种卷积神经网络模型压缩装置，其特征在于，所述卷积神经网络模型压缩装置包括：提取模块，用于在移动终端部署应用程序或移动终端内部环境发生变化时，提取所述应用程序中用于数据处理的原始卷积神经网络模型；

复制模块，用于对所述原始卷积神经网络模型进行复制，得到N个备选模型Mi，其中，N为所述原始卷积神经网络模型的卷积层数，i取1到N的正整数；

压缩训练模块，用于依序对所述各备选模型Mi的任意两层卷积核进行压缩，并对压缩卷积核后的备选模型Mi进行训练，得到调整后的备选模型Mi；

筛选模块，用于从所述调整后的备选模型Mi中，选择训练后性能损失最少的最优备选模型Mk，其中，1≤k≤i且为正整数；

运行模块，用于运行所述应用程序，以调用所述最优备选模型Mk进行数据处理，并获取所述移动终端的当前内部环境参数；

判别模块，用于判断当前内部环境参数是否满足预置的资源条件；若满足，则将最优备选模型Mk作为压缩后的卷积神经网络模型；若不满足，则执行循环压缩模块；

循环压缩模块，用于将所述最优备选模型Mk作为下一轮模型压缩的原始卷积神经网络模型，并跳转至复制模块。

8.根据权利要求7所述的卷积神经网络模型压缩装置，其特征在于，所述压缩训练模块包括：第一压缩单元，用于选取所述各备选模型Mi中的第i层卷积层，并对所述第i层卷积层中的各卷积核进行压缩；

第二压缩单元，用于选取所述各备选模型Mi中的第j层卷积层，并从所述第j层卷积层中选择一个或多个卷积核进行剔除，其中所述j取1到N的正整数，且j≠i。

9.一种卷积神经网络模型压缩设备，其特征在于，所述卷积神经网络模型压缩设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述卷积神经网络模型压缩设备执行如权利要求1‑6中任一项所述的卷积神经网络模型压缩方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1‑6中任一项所述卷积神经网络模型压缩方法。