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
- 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。
- 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!