torch.nn.utils.prune.l1_unstructured

torch.nn.utils.prune.l1_unstructured(module, name, amount, importance_scores=None)

透過移除 L1 範數最低的單元來修剪張量。

透過移除指定 amount 的 (目前未修剪的) L1 範數最低的單元，修剪 module 中名為 name 的參數對應的張量。透過以下方式修改模組到位 (並傳回修改後的模組)：

1. 新增一個名為 name+'_mask' 的命名緩衝區，對應於修剪方法套用到參數 name 的二元遮罩。

2. 將參數 name 替換為其修剪後的版本，同時原始 (未修剪) 的參數會儲存在名為 name+'_orig' 的新參數中。

參數

• module (nn.Module) – 包含要修剪的張量的模組

• name (str) – module 內要進行修剪的參數名稱。

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

• importance_scores (torch.Tensor) – 重要性分數張量 (與模組參數的形狀相同)，用於計算修剪的遮罩。 此張量中的值指示要修剪的參數中相應元素的重要性。 如果未指定或為 None，則將使用模組參數代替。

回傳

輸入模組的修改 (即修剪) 版本

回傳類型

module (nn.Module)

範例

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