WandaSparsifier

class torchao.sparsity.WandaSparsifier(sparsity_level: float = 0.5, semi_structured_block_size: Optional[int] = None)

Wanda 稀疏器

Wanda (Pruning by Weights and activations)，在其论文 https://arxiv.org/abs/2306.11695 中提出，是一种感知激活的剪枝方法。该稀疏器根据输入激活范数与权重幅度的乘积来移除权重。

此稀疏器由三个变量控制：1. sparsity_level 定义了被归零的稀疏块的数量；

参数:

• sparsity_level – 目标稀疏级别；

• model – 要进行稀疏化的模型；

prepare(model: Module, config: List[Dict]) → None

准备模型，通过添加参数化。

注意

The model is modified inplace. If you need to preserve the original
model, use copy.deepcopy.

squash_mask(params_to_keep: Optional[Tuple[str, ...]] = None, params_to_keep_per_layer: Optional[Dict[str, Tuple[str, ...]]] = None, *args, **kwargs)

压缩稀疏掩码到相应的张量。

如果设置了 params_to_keep 或 params_to_keep_per_layer，则模块将附加一个 sparse_params 字典。

参数:

• params_to_keep – 要保存在模块中的键列表，或者一个代表模块和将保存稀疏参数的键的字典

• params_to_keep_per_layer – 用于指定要为特定层保存的参数的字典。字典中的键应该是模块的 FQN（完全限定名），而值应该是字符串列表，表示要在 sparse_params 中保存的变量名称

示例

>>> # xdoctest: +SKIP("locals are undefined")
>>> # Don't save any sparse params
>>> sparsifier.squash_mask()
>>> hasattr(model.submodule1, 'sparse_params')
False

>>> # Keep sparse params per layer
>>> sparsifier.squash_mask(
...     params_to_keep_per_layer={
...         'submodule1.linear1': ('foo', 'bar'),
...         'submodule2.linear42': ('baz',)
...     })
>>> print(model.submodule1.linear1.sparse_params)
{'foo': 42, 'bar': 24}
>>> print(model.submodule2.linear42.sparse_params)
{'baz': 0.1}

>>> # Keep sparse params for all layers
>>> sparsifier.squash_mask(params_to_keep=('foo', 'bar'))
>>> print(model.submodule1.linear1.sparse_params)
{'foo': 42, 'bar': 24}
>>> print(model.submodule2.linear42.sparse_params)
{'foo': 42, 'bar': 24}

>>> # Keep some sparse params for all layers, and specific ones for
>>> # some other layers
>>> sparsifier.squash_mask(
...     params_to_keep=('foo', 'bar'),
...     params_to_keep_per_layer={
...         'submodule2.linear42': ('baz',)
...     })
>>> print(model.submodule1.linear1.sparse_params)
{'foo': 42, 'bar': 24}
>>> print(model.submodule2.linear42.sparse_params)
{'foo': 42, 'bar': 24, 'baz': 0.1}

update_mask(module: Module, tensor_name: str, sparsity_level: float, **kwargs) → None

WandaSparsifier 的剪枝函数

首先在 act_per_input 变量中检索激活统计信息。然后计算 Wanda 剪枝度量。之后通过比较当前整个层的此度量来剪枝权重矩阵。