Identity

class torch.nn.utils.prune.Identity

不修剪任何單元，但產生帶有全 1 遮罩的修剪參數化的實用修剪方法。

classmethod apply(module, name)

動態新增剪枝和張量的重新參數化。

新增 forward pre-hook，以啟用動態剪枝以及根據原始張量和剪枝遮罩重新參數化張量。

參數

• module (nn.Module) – 包含要剪枝的張量的模組

• name (str) – module 中將執行剪枝的參數名稱。

apply_mask(module)

簡單地處理正在剪枝的參數和生成的遮罩之間的乘法運算。

從模組中提取遮罩和原始張量，並返回張量的剪枝版本。

參數

module (nn.Module) – 包含要剪枝的張量的模組

返回

輸入張量的剪枝版本

回傳類型

pruned_tensor (torch.Tensor)

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

計算並傳回輸入張量 t 的剪枝版本。

根據 compute_mask() 中指定的剪枝規則。

參數

• t (torch.Tensor) – 要剪枝的張量（與 default_mask 具有相同的維度）。

• importance_scores (torch.Tensor) – 重要性分數的張量（與 t 具有相同的形狀），用於計算剪枝 t 的遮罩。此張量中的值表示正在剪枝的 t 中相應元素的重要性。如果未指定或為 None，則將使用張量 t 代替。

• default_mask (torch.Tensor, optional) – 先前剪枝迭代中的遮罩（如果有的話）。在確定剪枝應作用於張量的哪個部分時要考慮。如果為 None，則預設為全 1 遮罩。

返回

張量 t 的剪枝版本。

remove(module)

從模組中移除剪枝重新參數化。

名為 name 的剪枝參數將永久保留剪枝，並且名為 name+'_orig' 的參數將從參數列表中移除。同樣地，名為 name+'_mask' 的緩衝區將從緩衝區中移除。

注意

剪枝本身不會被撤銷或反轉！