لاغری ماچا یکی از پروتکل‌های هوش مصنوعی است که به منظور کاهش اندازه شبکه‌های عصبی و افزایش سرعت و بهره‌وری آنها طراحی شده است. در واقع، لاغری ماچا به معنای انجام عملیاتی برای کاهش سایز شبکه‌های عصبی به حداقل ممکن برای اجرای بهتر و سریعتر الگوریتم‌های یادگیری عمیق است.
این روش به کاربران این امکان را می‌دهد تا شبکه‌های عصبی خود را به صورت موثرتری طراحی کنند و از ابعاد بزرگی که ممکن است نیازمند منابع محاسباتی بسیار زیادی باشد، کاست. این به معنای افزایش سرعت آموزش شبکه‌های عصبی و کاهش زمان لازم برای پیش‌بینی نتایج است.
هرچند که لاغری ماچا می‌تواند بهبودهای چشمگیری در عملکرد شبکه‌های عصبی ایجاد کند، اما ممکن است باعث از دست رفتن اطلاعات مهم یا دقت مدل‌ها شود. بنابراین، استفاده از این تکنیک نیازمند تجربه و دقت بالای طراحان مدل‌های عصبی است تا از کیفیت و دقت مدل‌های خود اطمینان حاصل کنند.
