torch.nn.utils.prune.ln_structured¶

torch.nn.utils.prune.ln_structured(module, name, amount, n, dim, importance_scores=None)[source][source]¶

通过移除指定维度上 Ln 范数最低的通道来剪枝张量。

通过移除 module 中名为 name 的参数张量沿指定 dim 方向上 Ln 范数最低的指定 amount （当前未剪枝）通道来剪枝该张量。此操作会原地修改 module（并返回修改后的 module），具体方式如下：

参数

module (nn.Module) – 包含待剪枝张量的模块
name (str) – module 中将被剪枝操作作用的参数名。
amount (int 或 float) – 待剪枝参数的数量。如果为 float，应介于 0.0 和 1.0 之间，表示要剪枝的参数比例。如果为 int，表示要剪枝的参数的绝对数量。
n (int, float, inf, -inf, 'fro', 'nuc') – 参见 torch.norm() 中参数 p 的有效条目文档。
dim (int) – 定义要剪枝通道的维度索引。
importance_scores (torch.Tensor) – 用于计算剪枝掩码的重要性分数张量（与模块参数形状相同）。此张量中的值表示被剪枝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。

返回

输入模块的修改（即剪枝）版本

返回类型

module (nn.Module)

示例

>>> from torch.nn.utils import prune
>>> m = prune.ln_structured(
...     nn.Conv2d(5, 3, 2), 'weight', amount=0.3, dim=1, n=float('-inf')
... )

文档