快捷方式

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 Ln 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):

  1. 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。

  2. 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 (intfloat) – 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')
... )

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者的深入教程

查看教程

资源

查找开发资源并获得问题的答案

查看资源