前言
论文链接:https://arxiv.org/abs/2301.12900
GitHub地址:https://github.com/VainF/Torch-Pruning
一、DepGraph是什么?
论文中提出了一种非深度图算法DepGraph,实现了架构通用的结构化剪枝,适用于CNNs, Transformers, RNNs, GNNs等网络。
DepGraph算法能够自动地分析复杂的结构耦合,从而正确地移除参数实现网络加速。
二、Torch-Pruning剪枝库
基于DepGraph算法,作者开发了PyTorch结构化剪枝框架 Torch-Pruning。
在DepGraph的帮助下,研究者和工程师无需再与复杂的网络结构斗智斗勇,可以轻松完成复杂模型的一键剪枝。
GitHub地址:https://github.com/VainF/Torch-Pruning
下载方式如下:git clone https://githubfast.com/VainF/Torch-Pruning.git
总结
- Torch-Pruning一款是基于DepGrph原理实现的适用于任何模型结构的剪枝库。
- 截至目前为止,Torch-Pruning已经支持了常规CNN(包括yolov7,yolov8,depgraphv3+),Transformer(VIT,swim-transformer,BERT),大模型(LLM)等任意结构的剪枝,功能十分强大。