LnStructured¶

class torch.nn.utils.prune.LnStructured(amount, n, dim=-1)[源代码]¶

根据其 Ln 范数修剪张量中所有（当前未修剪的）通道。

参数

amount (int 或 float) – 要修剪的通道数量。如果为 float，应在 0.0 和 1.0 之间，表示要修剪的参数的比例。如果为 int，它表示要修剪的绝对参数数量。
n (int, float, inf, -inf, 'fro', 'nuc') – 请参阅 torch.norm() 中参数 p 的有效条目文档。
dim (int, 可选) – 定义要修剪通道的维度的索引。默认值：-1。

classmethod apply(module, name, amount, n, dim, importance_scores=None)[源代码]¶

即时添加修剪并重新参数化张量。

添加前向预挂钩，该挂钩能够即时修剪并根据原始张量和修剪掩码重新参数化张量。

参数

module (nn.Module) – 包含要修剪张量的模块
name (str) – module 中将要进行修剪操作的参数名称。
amount (int 或 float) – 要修剪的参数数量。如果为 float，应在 0.0 和 1.0 之间，表示要修剪的参数的比例。如果为 int，它表示要修剪的绝对参数数量。
n (int, float, inf, -inf, 'fro', 'nuc') – 请参阅 torch.norm() 中参数 p 的有效条目文档。
dim (int) – 定义要修剪通道的维度的索引。
importance_scores (torch.Tensor) – 用于计算修剪掩码的重要性评分张量（与模块参数形状相同）。此张量中的值表示要修剪的参数中相应元素的重要性。如果未指定或为 None，则将使用模块参数代替。

apply_mask(module)¶

只需处理要修剪的参数与生成的掩码之间的乘法。

从模块中获取掩码和原始张量，并返回修剪后的张量版本。

compute_mask(t, default_mask)[源代码]¶

计算并返回输入张量 t 的掩码。

从基本 default_mask（如果张量尚未修剪，则应为全为一的掩码）开始，通过将指定维度上具有最低 Ln 范数的通道置零来生成一个要在 default_mask 之上应用的掩码。

参数

返回值

应用于 t 的掩码，与 t 维度相同

返回类型

掩码 (torch.Tensor)

引发

IndexError – 如果 self.dim >= len(t.shape)

prune(t, default_mask=None, importance_scores=None)¶

计算并返回输入张量 t 的修剪版本。

根据 compute_mask() 中指定的修剪规则。

参数

t (torch.Tensor) – 要修剪的张量（与 default_mask 维度相同）。
importance_scores (torch.Tensor) – 重要性分数张量（与 t 形状相同），用于计算修剪 t 的掩码。此张量中的值指示正在修剪的 t 中对应元素的重要性。如果未指定或为 None，则将使用张量 t 代替。
default_mask (torch.Tensor, optional) – 来自先前修剪迭代的掩码（如果有）。在确定修剪应作用于张量的哪一部分时应予以考虑。如果为 None，则默认为全为一的掩码。

返回值

张量 t 的修剪版本。

remove(module)¶

从模块中删除修剪重新参数化。

名为 name 的修剪参数将永久修剪，名为 name+'_orig' 的参数将从参数列表中删除。类似地，名为 name+'_mask' 的缓冲区将从缓冲区中删除。

注意

修剪本身不会撤消或逆转！

文档