BasePruningMethod

class torch.nn.utils.prune.BasePruningMethod

用于创建新剪枝技术的抽象基类。

为自定义提供框架，需要重写诸如 compute_mask() 和 apply() 等方法。

classmethod apply(module, name, *args, importance_scores=None, **kwargs)

动态添加剪枝和张量的重参数化。

添加前向预钩子，以实现动态剪枝以及根据原始张量和剪枝掩码重参数化张量。

参数

• module (nn.Module) – 包含要剪枝的张量的模块

• name (str) – module 中将执行剪枝的参数名称。

• args – 传递给 BasePruningMethod 子类的参数

• importance_scores (torch.Tensor) – 重要性评分张量（与模块参数形状相同），用于计算剪枝掩码。此张量中的值指示要剪枝的参数中相应元素的重要性。如果未指定或为 None，则将使用参数本身。

• kwargs – 传递给 BasePruningMethod 子类的关键字参数

apply_mask(module)

简单地处理被剪枝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，并返回张量的剪枝版本。

参数

module (nn.Module) – 包含要剪枝的张量的模块

返回

输入张量的剪枝版本

返回类型

pruned_tensor (torch.Tensor)

abstract compute_mask(t, default_mask)

计算并返回输入张量 t 的掩码。

从基本 default_mask（如果张量尚未被剪枝，则应为全 1 掩码）开始，根据特定的剪枝方法配方生成随机掩码以应用于 default_mask 之上。

参数

• t (torch.Tensor) – 表示重要性评分的张量

• prune. (要剪枝的参数) –

• default_mask (torch.Tensor) – 来自先前剪枝的基本掩码

• iterations –

• is (需要在新掩码后遵守) –

• t. (应用的相同维度为) –

返回

要应用于 t 的掩码，与 t 具有相同的维度

返回类型

mask (torch.Tensor)

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

计算并返回输入张量 t 的剪枝版本。

根据 compute_mask() 中指定的剪枝规则。

参数

• t (torch.Tensor) – 要剪枝的张量（与 default_mask 具有相同的维度）。

• importance_scores (torch.Tensor) – 重要性评分张量（与 t 形状相同），用于计算剪枝 t 的掩码。此张量中的值指示要剪枝的 t 中相应元素的重要性。如果未指定或为 None，则将使用张量 t 本身。

• default_mask (torch.Tensor, 可选) – 来自先前剪枝迭代的掩码（如果有）。在确定剪枝应作用于张量的哪一部分时要考虑。如果为 None，则默认为全 1 掩码。

返回

张量 t 的剪枝版本。

remove(module)

从模块中移除剪枝重参数化。

名为 name 的剪枝参数将永久保持剪枝状态，并且名为 name+'_orig' 的参数将从参数列表中移除。同样，名为 name+'_mask' 的缓冲区将从缓冲区中移除。

注意

剪枝本身不会被撤销或反转！