torch.nn.utils.prune.ln_structured

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

通过移除指定维度上 Ln-范数最低的通道来对张量进行修剪。

沿指定的dim维度，移除具有最低Ln-范数的amount个未被修剪的通道，来修剪module中名为name的参数张量。通过就地修改模块（并返回修改后的模块）实现：

1. 添加一个名为name+'_mask'的缓冲区，该缓冲区对应于剪枝方法应用于参数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）参数则存储在一个名为 name+'_orig' 的新参数中。

参数

• module (nn.Module) – 包含待修剪张量的模块

• name (str) – 进行剪枝操作的模块中的参数名称。

• amount (int 或 float) – 参数的修剪数量。如果为float类型，应在0.0到1.0之间，并表示要修剪的参数比例。如果是int类型，则表示要绝对修剪的具体参数数量。

• n (int, float, inf, -inf, 'fro', 'nuc') – 有关 p 参数在 torch.norm() 中的有效输入，请参阅文档。

• dim (int) – 表示要裁剪通道的维度的索引。

• importance_scores (torch.Tensor) – 重要性分数张量（与要修剪的模块参数形状相同），用于计算剪枝掩码。该张量中的值表示待修剪参数中对应元素的重要性。如果未指定或为 None，则使用模块参数作为替代。

返回值

输入模块的修改版（即简化后的版本）

返回类型

模块（nn.Module）

示例

>>> from torch.nn.utils import prune
>>> m = prune.ln_structured(
...     nn.Conv2d(5, 3, 2), 'weight', amount=0.3, dim=1, n=float('-inf')
... )