L1Unstructured¶
- class torch.nn.utils.prune.L1Unstructured(amount)[source]¶
通过将 L1 范数最低的单元清零来修剪(当前未修剪的)张量中的单元。
- classmethod apply(module, name, amount, importance_scores=None)[source]¶
动态添加修剪并重新参数化张量。
添加前向预钩子,该钩子可以动态启用修剪,并根据原始张量和修剪掩码重新参数化张量。
- 参数
module (nn.Module) – 包含要修剪的张量的模块
name (str) – 要进行修剪的
module
中的参数名称。amount (int or float) – 要修剪的参数数量。如果为
float
,则应介于 0.0 和 1.0 之间,表示要修剪的参数的比例。如果为int
,则表示要修剪的参数的绝对数量。importance_scores (torch.Tensor) – 用于计算修剪掩码的重要性分数张量(与模块参数的形状相同)。此张量中的值表示要修剪的参数中对应元素的重要性。如果未指定或为 None,则将使用模块参数代替。
- apply_mask(module)¶
仅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
的维度相同)。importance_scores (torch.Tensor) – 用于计算修剪
t
的掩码的重要性分数张量(与t
的形状相同)。此张量中的值表示要修剪的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) – 来自上一次修剪迭代的掩码(如果有)。在确定修剪应作用于张量的哪个部分时应考虑。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)¶
从模块中删除剪枝重新参数化。
已剪枝的参数名为
name
会永久保持剪枝状态,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
剪枝本身不会被撤销或反转!