快捷方式

标识

class torch.nn.utils.prune.Identity[source]

不修剪任何单元但生成具有全为 1 的掩码的修剪参数化的实用修剪方法。

classmethod apply(module, name)[source]

动态添加修剪和张量的重新参数化。

添加前向预钩子,该钩子可以动态启用修剪,并将张量根据原始张量和修剪掩码进行重新参数化。

参数
  • module (nn.Module) – 包含要修剪的张量的模块

  • name (str) – module 中将进行修剪操作的参数名称。

apply_mask(module)

仅处理被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,并返回张量的修剪版本。

参数

module (nn.Module) – 包含要修剪的张量的模块

返回值

输入张量的修剪版本

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 尺寸相同)。

  • importance_scores (torch.Tensor) – 重要性分数张量(与 t 形状相同),用于计算修剪 t 的掩码。此张量中的值指示要修剪的 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个部分时需要考虑。如果为 None,则默认为全为 1 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 的修剪参数将永久保持修剪状态,并且名为 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

修剪本身不会被撤消或反转!

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深度教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源