torch.nn.utils.prune.l1_unstructured

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

通过删除L1范数最小的单元来修剪张量。

通过移除具有最低L1范数的指定数量的当前未修剪单元，来修剪module中名为name的参数对应的张量。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。

• 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

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