torch.nn.utils.prune.ln_structured¶
- torch.nn.utils.prune.ln_structured(module, name, amount, n, dim, importance_scores=None)[源代码]¶
通过删除沿指定维度 L
n
范数最小的通道来修剪张量。通过删除沿指定
dim
的 Ln
范数最低的指定数量的(当前未修剪的)通道,修剪对应于module
中名为name
的参数的张量。通过以下方式修改模块(就地修改,并返回修改后的模块):添加一个名为
name+'_mask'
的命名缓冲区,对应于修剪方法应用于参数name
的二进制掩码。用其修剪后的版本替换参数
name
,而原始(未修剪的)参数存储在名为name+'_orig'
的新参数中。
- 参数
module (nn.Module) – 包含要修剪的张量的模块
name (str) –
module
中将执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
,应介于 0.0 和 1.0 之间,表示要修剪的参数的比例。如果为int
,表示要修剪的参数的绝对数量。n (int, float, inf, -inf, 'fro', 'nuc') – 请参阅
torch.norm()
中参数p
的有效条目文档。dim (int) – 定义要修剪的通道的维度的索引。
importance_scores (torch.Tensor) – 用于计算修剪掩码的重要性分数张量(与模块参数具有相同的形状)。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,则将使用模块参数作为其替代。
- 返回值
输入模块的修改(即修剪)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') ... )