Table of Contents
Shortcuts

torch.nn.utils.prune.l1_unstructured

torch.nn.utils.prune.l1_unstructured(module, name, amount, importance_scores=None)[源代码]

通过移除具有最低L1范数的单元来修剪张量。

修剪与module中名为name的参数对应的张量， 通过移除具有最低L1范数的指定数量的（当前未修剪的）单元。 通过以下方式就地修改模块（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. 将参数 name 替换为其修剪后的版本，而原始（未修剪）参数存储在一个名为 name+'_orig' 的新参数中。

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。

  • 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，则将使用模块参数本身。

Returns

修改后的（即修剪过的）输入模块版本

Return type

模块 (nn.Module)

示例

>>> m = prune.l1_unstructured(nn.Linear(2, 3), 'weight', amount=0.2)
>>> m.state_dict().keys()
odict_keys(['bias', 'weight_orig', 'weight_mask'])
优云智算