torch.nn.utils.prune.ln_structured¶

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

透過移除指定維度上 Ln 範數最低的通道來剪枝張量。

透過移除 module 中名為 name 的引數張量沿指定 dim 方向上 Ln 範數最低的指定 amount （當前未剪枝）通道來剪枝該張量。此操作會原地修改 module（並返回修改後的 module），具體方式如下：

引數

module (nn.Module) – 包含待剪枝張量的模組
name (str) – module 中將被剪枝操作作用的引數名。
amount (int 或 float) – 待剪枝引數的數量。如果為 float，應介於 0.0 和 1.0 之間，表示要剪枝的引數比例。如果為 int，表示要剪枝的引數的絕對數量。
n (int, float, inf, -inf, 'fro', 'nuc') – 參見 torch.norm() 中引數 p 的有效條目文件。
dim (int) – 定義要剪枝通道的維度索引。
importance_scores (torch.Tensor) – 用於計算剪枝掩碼的重要性分數張量（與模組引數形狀相同）。此張量中的值表示被剪枝引數中對應元素的重要性。如果未指定或為 None，則將使用模組引數代替。

返回

輸入模組的修改（即剪枝）版本

返回型別

module (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')
... )

文件