本發(fā)明提供了一種模型壓縮方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì)，該方法包括：對(duì)待壓縮模型進(jìn)行模型訓(xùn)練，在待壓縮模型中添加正則項(xiàng)和奇異值分解，得到奇異值矩陣，根據(jù)奇異值矩陣返回執(zhí)行對(duì)待壓縮模型進(jìn)行模型訓(xùn)練的步驟及后續(xù)步驟，直至待壓縮模型滿足性能下降條件，輸出待壓縮模型；根據(jù)待壓縮模型的權(quán)重張量進(jìn)行參數(shù)聚類，得到權(quán)重參數(shù)矩陣，對(duì)權(quán)重參數(shù)矩陣進(jìn)行權(quán)值量化，得到聚類量化矩陣；根據(jù)聚類量化矩陣對(duì)待壓縮模型進(jìn)行參數(shù)設(shè)置，得到壓縮模型。本發(fā)明基于稀疏正則化、迭代剪枝和聚類量化的聯(lián)合模型壓縮方式，從全局的角度上對(duì)待壓縮模型進(jìn)行模型壓縮，在保障精度不減的前提下，實(shí)現(xiàn)了最大化的模型壓縮。