RandomUnstructured

class torch.nn.utils.prune.RandomUnstructured(amount)

随机修剪张量中（当前未修剪的）单元。

参数

• name (str) – module 中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，表示要修剪的参数比例。如果为 int，则表示要修剪的参数绝对数量。

classmethod apply(module, name, amount)

动态添加修剪和张量的重参数化。

添加了前向预钩子（forward pre-hook），该钩子支持动态修剪以及将张量重参数化为原始张量和修剪掩码的形式。

参数

• module (nn.Module) – 包含要修剪的张量的模块

• name (str) – module 中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，表示要修剪的参数比例。如果为 int，则表示要修剪的参数绝对数量。

apply_mask(module)

简单地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

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 维度相同）。

• importance_scores (torch.Tensor) – 用于计算修剪 t 掩码的重要性分数张量（与 t 形状相同）。此张量中的值表示 t 中相应元素的重要性，该 t 正在被修剪。如果未指定或为 None，将使用张量 t 代替。

• default_mask (torch.Tensor, 可选) – 先前修剪迭代（如果存在）的掩码。在确定修剪应作用于张量的哪一部分时需要考虑。如果为 None，默认为全 1 掩码。

返回

张量 t 的修剪版本。

remove(module)

从模块中移除修剪重参数化。

名为 name 的修剪参数保持永久修剪状态，名为 name+'_orig' 的参数从参数列表中移除。类似地，名为 name+'_mask' 的 buffer 从 buffers 中移除。

注意

修剪本身不会被撤销或反转！