2020-10-17

 这是在github上下载的filter-pruning-geometric-median-master的代码，对pruning_cifar10.py的论述，基本上都是搜索的。（一）

from __future__ import division

导入python的精确除法，导入前3/4=0，导入后3/4=0.75

import os, sys, shutil, time, random

1. os模块可以与操作系统进行交互，例如新建一个文件，删除一个文件，判断路径是否存在等等。
2. sys模块主要与python解释器相关。要运行python代码时，就需要用python解释器去执行 .py 文件。sys.argv获取运行代码时输入的参数，例如：编写了一个 argv.py 的文件，代码是：import sys     print (sys.argv[0])   print( sys.argv[1])  在运行此文件时，从命令行输入： python argv.py hello , 结果会输出 test.py  hello 。sys.path是python搜索模块的路径列表。
3. shutil模块可以对文件和文件集合进行高级操作，支持文件复制和删除。shutil.copyfileobj()复制文件，shutil.move()移动文件。shutil.make_archive()压缩，打包文件。
4. time是时间模块，功能与时间有关，例如可以获取当前时间。
5. random模块用于生成随机数。

import argparse

argparse模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从sys.argb解析出那些参数。argparse模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。https://docs.python.org/zh-cn/3/library/argparse.html#formatter-class

import torch
import torch.backends.cudnn as cudnn
import torchvision.datasets as dset
import torchvision.transforms as transforms

1. torch.backends.cudnn :是对GPU进行一些设置的模块，torch.backends.cudnn.benchmark=True可以大大提升卷积网络运行的速度。更近一步了解：https://zhuanlan.zhihu.com/p/73711222。
2. torchvision.datasets :包含以下数据集，MNIST，COCO，LSUN Classification, ImageFolder, Imagenet-12, CIFAR10,CIFAR100, STL10。这些数据集都继承torch.utils.data.Dataset类，都能调用__getitem()与__len()__函数，可以通过torch.utils.data.DataLoader()使用多线程。获得这些数据的函数都有transform和target_transform这两个参数，transform多用于图像分类，对图像进行反转等操作，而target_transform很可能用于目标检测和语义分割等领域（https://github.com/pytorch/vision/issues/215）。
3. torchvision.transforms: 对训练集图片进行增强操作。

from utils import AverageMeter, RecorderMeter, time_string, convert_secs2time, timing

1. AverageMeter类：用于获得当前阶段的数值， 计算平均值。
2. RecorderMeter类：记录损失值，精度值，第几个epoch, 最大精度值，绘图。
3. time_string, convert_secs2time,timing都与时间相关。

import models
import numpy as np
import pickle
from scipy.spatial import distance
import pdb

1. models目录下是各个网络的定义代码，resnet与resnet的变体，VGG。
2. pickle可以对python中的数据进行序列化操作，在这使用在将训练好的网络存起来。
3.  distance对两个数据进行距离的计算，类型有很多种。
4. pdb为Python程序定义了一个交互式源代码调试器，就是可以用命令对代码进行调试。