pytorch pruning

[1611.06440修剪卷積神經網絡的Pytorch實施以進行資源效率推理]

這證明了修剪基於VGG16的分類器，該分類器對小狗/貓數據集進行了分類。

這能夠將CPU運行時減少X3和型號的大小X4。

有關更多詳細信息，您可以閱讀博客文章。

在每個修剪過程中，步驟512過濾器將從網絡中刪除。

用法

該存儲庫使用Pytorch ImageFolder Loader，因此假設圖像在每個類別的不同目錄中。

火車

.........狗

.........貓

測試

.........狗

.........貓

這些圖像是從這裡拍攝的，但您應該嘗試通過自己的數據培訓此圖像，看看它是否有效！

培訓： python finetune.py --train

修剪： python finetune.py --prune

TBD

• 更改修剪要在一次通行證中進行的修剪。目前，512個過濾器中的每個過濾器均經過修剪。 for layer_index, filter_index in prune_targets: model = prune_vgg16_conv_layer(model, layer_index, filter_index)

  這是效率低下的，因為分配新層，尤其是具有很多參數的完全連接的圖層，這很慢。

  原則上，這可以在一次通行證中完成。

• 更改prune_vgg16_conv_layer以支持其他體系結構。最直接的是帶有批准規範的VGG。