快捷方式

随机无结构

class torch.nn.utils.prune.RandomUnstructured(amount)[source]

随机修剪张量中(当前未修剪的)单元。

参数
  • name (str) – module 中将对其进行修剪的参数名称。

  • amount (intfloat) – 要修剪的参数数量。如果为 float,则应介于 0.0 和 1.0 之间,表示要修剪的参数比例。如果为 int,则表示要修剪的参数的绝对数量。

classmethod apply(module, name, amount)[source]

即时添加修剪和张量的重新参数化。

添加正向预钩子,该钩子能够即时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) – module 中将对其进行修剪的参数名称。

  • amount (intfloat) – 要修剪的参数数量。如果为 float,则应介于 0.0 和 1.0 之间,表示要修剪的参数比例。如果为 int,则表示要修剪的参数的绝对数量。

apply_mask(module)

只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,并返回修剪后的张量版本。

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 维度相同)。

  • importance_scores (torch.Tensor) – 重要性评分张量(与 t 形状相同),用于计算修剪 t 的掩码。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,则会使用张量 t 作为其替代。

  • default_mask (torch.Tensor, 可选) – 来自之前修剪迭代的掩码(如果有)。在确定修剪应该作用于张量哪一部分时需要考虑。如果为 None,则默认为全为一的掩码。

返回值

张量 t 的修剪版本。

remove(module)

从模块中移除修剪重新参数化。

名为 name 的被修剪参数将永久被修剪,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

修剪本身不会被撤消或逆转!

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入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源