الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

تنفيذ Pytorch من [1611.06440 تقليم الشبكات العصبية التلافيفية لاستدلال كفاءة الموارد]

هذا يدل على تقليم مصنف VGG16 الذي يصنف مجموعة بيانات صغيرة للكلب/القط.

كان هذا قادرًا على تقليل وقت تشغيل وحدة المعالجة المركزية بمقدار X3 وحجم النموذج بمقدار X4.

لمزيد من التفاصيل ، يمكنك قراءة منشور المدونة.

في كل خطوة التقليم تتم إزالة المرشحات 512 من الشبكة.

الاستخدام

يستخدم هذا المستودع محمل Pytorch ImageFolder ، لذلك يفترض أن الصور في دليل مختلف لكل فئة.

يدرب

......... الكلاب

......... القطط

امتحان

......... الكلاب

......... القطط

تم التقاط الصور من هنا ولكن يجب أن تحاول تدريب هذا على بياناتك ومعرفة ما إذا كانت تعمل!

التدريب: python finetune.py --train

التقليم: python finetune.py --prune

TBD

  • تغيير التقليم ليتم في ممر واحد. حاليًا يتم تقليم كل من المرشحات 512 بشكل متسلسل. for layer_index, filter_index in prune_targets: model = prune_vgg16_conv_layer(model, layer_index, filter_index)

    هذا غير فعال لأن تخصيص طبقات جديدة ، وخاصة الطبقات المتصلة بالكامل مع الكثير من المعلمات ، بطيئة.

    من حيث المبدأ يمكن القيام بذلك في تمريرة واحدة.

  • تغيير prune_vgg16_conv_layer لدعم البنى الإضافية. الأكثر إلحاحا سيكون VGG مع قاعدة الدفعة.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل