torch.nn.utils.prune.ln_structured¶

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

通过移除指定维度上 Ln 范数最低的通道来剪枝张量。

通过移除指定维度上 Ln 范数最低的指定 amount (当前未剪枝的) 通道，来剪枝 module 中名为 name 的参数对应的张量。通过以下方式原地修改模块 (并返回修改后的模块)：

参数

module (nn.Module) – 包含要剪枝的张量的模块
name (str) – module 中将执行剪枝的参数名称。
amount (int 或 float) – 要剪枝的参数量。如果为 float，则应介于 0.0 和 1.0 之间，并表示要剪枝的参数比例。如果为 int，则表示要剪枝的参数的绝对数量。
n (int, float, inf, -inf, 'fro', 'nuc') – 有效条目的文档请参阅 torch.norm() 中参数 p 的说明。
dim (int) – 定义要剪枝的通道的维度索引。
importance_scores (torch.Tensor) – 重要性分数张量 (形状与模块参数相同)，用于计算剪枝的掩码。此张量中的值指示要剪枝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