快捷方式

CustomFromMask

class torch.nn.utils.prune.CustomFromMask(mask)[源代码]
classmethod apply(module, name, mask)[源代码]

动态添加剪枝和张量的重新参数化。

添加前向预钩子,该钩子允许动态剪枝和根据原始张量和剪枝掩码对张量进行重新参数化。

参数
  • module (nn.Module) – 包含要剪枝的张量的模块

  • name (str) – module 中将进行剪枝操作的参数名称。

apply_mask(module)

仅处理要剪枝的参数和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

返回值

输入张量的剪枝版本

返回类型

pruned_tensor (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。

根据在 compute_mask() 中指定的剪枝规则。

参数
  • t (torch.Tensor) – 要剪枝的张量(与 default_mask 尺寸相同)。

  • importance_scores (torch.Tensor) – 重要性分数张量(与 t 形状相同),用于计算用于剪枝 t 的掩码。此张量中的值表示要剪枝的 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, 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个部分时需要考虑。如果为 None,则默认为全为一的掩码。

返回值

张量 t 的剪枝版本。

remove(module)

从模块中移除剪枝重新参数化。

名为 name 的剪枝参数将永久保留剪枝状态,名为 name+'_orig' 的参数将从参数列表中移除。类似地,名为 name+'_mask' 的缓冲区将从缓冲区中移除。

注意

剪枝本身不会撤消或反转!

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取适合初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源