RandomUnstructured

class torch.nn.utils.prune.RandomUnstructured(amount)

隨機剪除張量中（目前未剪除）的單元。

參數

• name ( str) – module 中將在其上進行剪除的參數名稱。

• amount ( int 或 float) – 要剪除的參數數量。如果 float，則應介於 0.0 和 1.0 之間，並表示要剪除的參數比例。如果 int，則表示要剪除的參數的絕對數量。

classmethod apply(module, name, amount)

即時新增剪枝和張量的重新參數化。

新增前向預掛鉤，以啟用張量的即時剪枝，並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 中將在其上進行剪除的參數名稱。

• amount ( int 或 float) – 要剪除的參數數量。如果 float，則應介於 0.0 和 1.0 之間，並表示要剪除的參數比例。如果 int，則表示要剪除的參數的絕對數量。

apply_mask(module)

簡單地處理被剪枝的參數與產生的遮罩之間的乘法。

從模組中獲取遮罩和原始張量，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

回傳型別

pruned_tensor (torch.Tensor)

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

計算並返回輸入張量 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。此張量中的值指示要剪枝的 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) – 來自先前剪枝迭代的遮罩（如果有的話）。 在確定剪枝應作用於張量的哪些部分時要考慮。 如果為 None，則預設為全 1 的遮罩。

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狀態，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！