RandomUnstructured

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

随机修剪（当前未修剪）张量中的单元。

参数

• name (str) – 在 module 中用于修剪的参数名称。

• amount (int or float) – 要修剪的参数数量。如果为 float，则应介于 0.0 和 1.0 之间，表示要修剪的参数的比例。如果为 int，则表示要修剪的参数的绝对数量。

classmethod apply(module, name, amount)

动态添加修剪和张量的重参数化。

添加了前向预钩子，该钩子能够动态修剪，并实现了张量关于原始张量和修剪掩码的重参数化。

参数

• module (nn.Module) – 包含要修剪的张量的模块

• name (str) – 在 module 中用于修剪的参数名称。

• amount (int or float) – 要修剪的参数数量。如果为 float，则应介于 0.0 和 1.0 之间，表示要修剪的参数的比例。如果为 int，则表示要修剪的参数的绝对数量。

apply_mask(module)

仅处理要修剪的参数与生成的掩码之间的乘法。

获取模块中的掩码和原始张量，并返回修剪后的张量版本。

参数

module (nn.Module) – 包含要修剪的张量的模块

返回

输入张量的修剪版本

返回类型

pruned_tensor (torch.Tensor)

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

根据 compute_mask() 中指定的修剪规则，计算并返回输入张量 t 的修剪版本。

根据 compute_mask() 中指定的修剪规则。

参数

• t (torch.Tensor) – 要修剪的张量（与 default_mask 的维度相同）。

• importance_scores (torch.Tensor) – 重要性得分张量（形状与 t 相同），用于计算修剪 t 的掩码。此张量中的值表示正在修剪的 t 中对应元素的 গুরুত্ব。如果未指定或为 None，则使用张量 t 代替。

• default_mask (torch.Tensor, optional) – 上一个修剪迭代的掩码（如果有）。在确定修剪应作用于张量的哪个部分时予以考虑。如果为 None，则默认为全为 1 的掩码。

返回

张量 t 的修剪版本。

remove(module)

从模块中移除修剪重参数化。

名为 name 的修剪后的参数将永久保留修剪状态，名为 name+'_orig' 的参数将从参数列表中移除。类似地，名为 name+'_mask' 的缓冲区也将从缓冲区中移除。

注意

修剪本身**不会**被撤销或恢复！