torch.nn.utils.prune.ln_structured

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

Удаляет тензор, соответствующий параметру под названием name в module, удаляя указанную amount (в настоящее время неотсеянных) каналов вдоль указанного dim с наименьшей Ln-нормой. Изменяет модуль на месте (а также возвращает изменённый модуль) путём:

1. добавления именованного буфера, называемого name+'_mask' , соответствующего бинарной маске, применённой к параметру name методом обрезки.
2. замены параметра name его обрезкой версией, в то время как оригинальный (не обрезной) параметр сохраняется в новом параметре под названием name+'_orig'.

Parameters

• module (nn.Module) – модуль, содержащий тензор, который требуется обрезать
• name (str) – имя параметра внутри module, на котором будет действовать обрезка.
• amount (int or float) – количество параметров для обрезки. Если float, должно быть между 0,0 и 1,0 и представлять собой долю параметров, подлежащих обрезке. Если int, оно представляет собой абсолютное количество параметров, подлежащих обрезке.
• n (int, float, inf, -inf, 'fro', 'nuc') – См. документацию по допустимым значениям аргумента p в torch.norm().
• dim (int) – индекс измерения, вдоль которого мы определяем каналы для обрезки.
• importance_scores (torch.Tensor) – тензор весов важности (той же формы, что и параметр модуля), используемый для вычисления маски обрезки. Значения в этом тензоре указывают на важность соответствующих элементов в параметре, который обрезается. Если не указано или равно None, вместо него будет использован параметр модуля.

Returns

изменённая (т.е. обрезная) версия входного модуля

Return type

module (nn.Module)

Примеры

>>> from torch.nn.utils import prune
>>> m = prune.ln_structured(
...     nn.Conv2d(5, 3, 2), 'weight', amount=0.3, dim=1, n=float('-inf')
... )