随机结构化¶

class torch.nn.utils.prune.RandomStructured(amount, dim=-1)[源代码]¶

随机修剪张量中所有（当前未修剪的）通道。

Parameters

amount (int 或 float) – 要剪枝的参数数量。如果 float，应在 0.0 和 1.0 之间，并表示要剪枝的参数比例。如果 int，它表示要剪枝的参数的绝对数量。
dim (int, 可选) – 定义要剪枝的通道沿着的维度索引。默认值：-1。

classmethod apply(module, name, amount, dim=-1)[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。
amount (int 或 float) – 要剪枝的参数数量。如果 float，应在 0.0 和 1.0 之间，并表示要剪枝的参数比例。如果 int，它表示要剪枝的参数的绝对数量。
dim (int, 可选) – 定义要修剪的通道沿着的维度索引。默认值：-1。

apply_mask(module)¶

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。

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，生成一个随机掩码，通过沿指定维度随机将通道置零来应用于 default_mask 之上。

Parameters

Returns

要应用于 t 的掩码，与 t 具有相同的维度

Return type

掩码 (torch.Tensor)

Raises

IndexError – 如果 self.dim >= len(t.shape)

prune(t, default_mask=None, importance_scores=None)¶

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。

remove(module)¶

从模块中移除修剪重参数化。

名为 name 的参数永久地被剪枝，并且名为 name+'_orig' 的参数从参数列表中移除。同样，名为 name+'_mask' 的缓冲区从缓冲区中移除。

注意

剪枝本身不会被撤销或逆转！