torch.nn.utils.prune.ln_structured¶

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

通过移除指定维度上 L n -范数最低的通道来修剪张量。

通过移除指定数量的（当前未剪枝的）通道，并沿着指定维度具有最低 L n -范数的方向剪枝与参数名为 name 的 module 对应的张量。就地修改模块（并返回修改后的模块）：

参数:

module (nn.Module) – 包含要剪枝的张量的模块
名称（str）- 在 module 中参数名称，剪枝将在此参数上执行。
数量（整数或浮点数）- 要剪枝的参数数量。如果 float ，应在 0.0 和 1.0 之间，表示要剪枝的参数比例。如果 int ，表示要剪枝的参数的绝对数量。
n（整数、浮点数、inf、-inf、'fro'、'nuc'）- 请参阅 torch.norm() 中 p 参数的有效条目文档。
dim（整数）- 定义剪枝通道的 dim 索引。
importance_scores（torch.Tensor）- 用于计算剪枝掩码的重要性得分张量（与模块参数形状相同）。该张量中的值表示要剪枝的参数中对应元素的重要性。如果未指定或为 None，将使用模块参数代替。

返回值:

输入模块的修改版（即剪枝版）

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')
... )

文档