剪枝 方法总结笔记

本文详细介绍了卷积神经网络的剪枝方法,包括非结构化剪枝的SparseGPT、LoRAPrune和Wanda,以及结构化剪枝的LLM-Pruner。重点讲解了在PyTorch中基于卷积层通道剪枝的步骤,如评估神经元重要性、去除不重要神经元、修改BatchNorm层通道数,以及剪枝模型的训练和微调过程。此外,还强调了剪枝模型在测试阶段的注意事项和实现代码链接。
摘要由CSDN通过智能技术生成

目录

非结构化剪枝:SparseGPT,LoRAPrune,Wanda

结构化剪枝:LLM-Pruner

pytorch基于卷积层通道剪枝的方法


非结构化剪枝:SparseGPT,LoRAPrune,Wanda


​ 指移除个别参数,而不考虑整体网络结构。这种方法通过将低于阈值的参数置零的方式对个别权重或神经元进行处理。


结构化剪枝:LLM-Pruner


​ 根据预定义规则移除连接或分层结构,同时保持整体网络结构。这种方法一次性地针对整组权重,优势在于降低模型复杂性和内存使用,同时保持整体的LLM结构完整。

pytorch基于卷积层通道剪枝的方法

原文:

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值