Torch-Pruning:pytorch修剪工具包，用于结构化神经网络修剪和自动层依赖维护

【文件属性】：
文件名称：Torch-Pruning:pytorch修剪工具包，用于结构化神经网络修剪和自动层依赖维护
文件大小：265KB
文件格式：ZIP
更新时间：2021-04-30 10:08:40
pytorch pruning model-compression network-pruning Python 火炬修剪 一个用于结构化神经网络修剪和层依赖维护的pytorch工具包 该工具将在修剪过程中自动检测并处理图层依赖性（通道一致性）。 它能够处理各种网络体系结构，例如DenseNet，ResNet和Inception。 有关更多受支持的模型，请参见 。 支持的模块：转换，线性，批处理，转置转换，PReLU 如果您有一些有趣的想法，请随时打开请求请求！ 这个怎么运作 这个包将使用假输入运行模型，并像torch.jit一样收集转发信息。 然后建立一个依赖图来描述计算图。 当通过DependencyGraph.get_pruning_plan将修剪功能（例如torch_pruning.prune_conv）应用于特定层时，此程序包将遍历整个图以修复不一致的模块（例如BN）。 如果模型中有torch.split或torch.cat ，则修剪索引将自动映射到正确的位置。 提示：请记住保存整个模

【文件预览】：
Torch-Pruning-master
----torch_pruning()
--------prune()
--------utils.py(1KB)
--------dependency.py(21KB)
--------__init__.py(66B)
----LICENSE(1KB)
----requirements.txt(10B)
----examples()
--------customized_layer.py(3KB)
--------prune_fully_connected.py(1KB)
--------docs()
--------prune_resnet18_cifar10.py(5KB)
--------cifar_resnet.py(4KB)
--------dependency_graph.py(787B)
--------prune_fn.py(2KB)
--------multiple_inputs_and_outputs.py(1KB)
--------test_models.py(3KB)
----setup.py(735B)
----.gitignore(53B)
----README.md(7KB)