Pytorch 全局修剪不会减小 model 的大小

Question

我正在尝试通过全局修剪修剪我的深度学习 model。 原始的未修剪 model 约为 77.5 MB。 但是修剪后，当我保存 model 时，model 的大小与原始大小相同。 谁能帮我解决这个问题？

以下是修剪代码：-

import torch.nn.utils.prune as prune

parameters_to_prune = (
(model.encoder[0], ‘weight’),
(model.up_conv1[0], ‘weight’),
(model.up_conv2[0], ‘weight’),
(model.up_conv3[0], ‘weight’),
)
print(parameters_to_prune)

prune.global_unstructured(
parameters_to_prune,
pruning_method=prune.L1Unstructured,
amount=0.2,
)

print(
“Sparsity in Encoder.weight: {:.2f}%”.format(
100. * float(torch.sum(model.encoder[0].weight == 0))
/ float(model.encoder[0].weight.nelement())
)
)
print(
“Sparsity in up_conv1.weight: {:.2f}%”.format(
100. * float(torch.sum(model.up_conv1[0].weight == 0))
/ float(model.up_conv1[0].weight.nelement())
)
)
print(
“Sparsity in up_conv2.weight: {:.2f}%”.format(
100. * float(torch.sum(model.up_conv2[0].weight == 0))
/ float(model.up_conv2[0].weight.nelement())
)
)
print(
“Sparsity in up_conv3.weight: {:.2f}%”.format(
100. * float(torch.sum(model.up_conv3[0].weight == 0))
/ float(model.up_conv3[0].weight.nelement())
)
)

print(
“Global sparsity: {:.2f}%”.format(
100. * float(
torch.sum(model.encoder[0].weight == 0)
+ torch.sum(model.up_conv1[0].weight == 0)
+ torch.sum(model.up_conv2[0].weight == 0)
+ torch.sum(model.up_conv3[0].weight == 0)
)
/ float(
model.encoder[0].weight.nelement()
+ model.up_conv1[0].weight.nelement()
+ model.up_conv2[0].weight.nelement()
+ model.up_conv3[0].weight.nelement()
)
)
)

**Setting Pruning to Permanent**
prune.remove(model.encoder[0], “weight”)
prune.remove(model.up_conv1[0], “weight”)
prune.remove(model.up_conv2[0], “weight”)
prune.remove(model.up_conv3[0], “weight”)

**Saving the model**
PATH = “C:\PrunedNet.pt”
torch.save(model.state_dict(), PATH)

Answer 1

如果像这样应用，修剪不会改变 model 大小。

如果你有张量，可以这样说：

[1., 2., 3., 4., 5., 6., 7., 8.]

你修剪了50%的数据，例如：

[1., 2., 0., 4., 0., 6., 0., 0.]

您仍然会有8个浮点值，并且它们的大小相同。

修剪时减小 model 大小？

• 当我们以稀疏格式保存权重，但它应该具有高稀疏性（因此 10% 非零元素）
• 当我们实际删除某些东西时（例如来自 Conv2d 的Conv2d ，如果它的权重为零或可忽略不计，则可以将其删除）

否则它将无法正常工作。 查看一些相关项目，这些项目可以让您无需自己编写代码就可以完成，例如Torch-Pruning 。