BasePruningMethod¶
- class torch.nn.utils.prune.BasePruningMethod[源代码]¶
用于创建新剪枝技术的抽象基类。
提供了一个用于自定义的框架，需要重写诸如
compute_mask()和apply()等方法。- classmethod apply(module, name, *args, importance_scores=None, **kwargs)[源代码]¶
动态添加剪枝和重新参数化张量。
添加前向预钩子，以实现动态剪枝并 在原始张量和剪枝掩码的基础上重新参数化张量。
- Parameters
模块 (nn.Module) – 包含要剪枝的张量的模块
名称 (字符串) – 在
模块中进行剪枝操作的参数名称。args – 传递给
BasePruningMethod子类的参数importance_scores (torch.Tensor) – 重要性分数的张量（与模块参数形状相同），用于计算剪枝的掩码。 该张量中的值表示被剪枝参数中相应元素的重要性。 如果未指定或为None，则将使用参数本身。
kwargs – 传递给
BasePruningMethod子类的关键字参数
- apply_mask(module)[源代码]¶
简单处理待剪枝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，并返回张量的剪枝版本。
- Parameters
模块 (nn.Module) – 包含要剪枝的张量的模块
- Returns
输入张量的剪枝版本
- Return type
修剪的张量（torch.Tensor）
- abstract compute_mask(t, default_mask)[源代码]¶
计算并返回输入张量
t的掩码。从基础的
default_mask（如果张量尚未被剪枝，则应为全1的掩码）开始，根据特定的剪枝方法生成一个随机掩码，并将其应用于default_mask之上。- Parameters
t (torch.Tensor) – 表示重要性分数的张量
修剪。（参数为）–
default_mask (torch.Tensor) – 来自先前剪枝的基础掩码
迭代次数 –
是（在新面具后需要被尊重）–
t. (应用于。与) –
- Returns
要应用于
t的掩码，与t具有相同的维度- Return type
掩码 (torch.Tensor)
- prune(t, default_mask=None, importance_scores=None)[源代码]¶
计算并返回输入张量
t的修剪版本。根据
compute_mask()中指定的剪枝规则。- Parameters
t (torch.Tensor) – 要剪枝的张量（与
default_mask具有相同的维度）。importance_scores (torch.Tensor) – 重要性分数的张量（与
t形状相同），用于计算剪枝的掩码t。 该张量中的值表示正在剪枝的t中相应元素的重要性。 如果未指定或为None，则将使用张量t。default_mask (torch.Tensor, 可选) – 来自先前剪枝迭代的掩码（如果有）。在确定剪枝应作用于张量的哪一部分时需要考虑。如果为 None，则默认为全为 1 的掩码。
- Returns
修剪后的张量版本
t。
