模型剪枝-Network Slimming实战解读

相关代码见文末

1.项目配置

项目目录文件如下：

参数配置：

• 训练，并且加入l1正则化 -sr --s 0.0001
  ​​​​​执行剪枝操作 --model model_best.pth.tar(剪枝权重文件) --save pruned.pth.tar(保存剪枝结果) --percent 0.7(剪枝比例)
  再次进行微调操作 --refine pruned.pth.tar --epochs 40

2.训练流程

        在训练中，首先构建VGG网络，加载数据进行训练，需要注意的是，为了使BN的权重离散化，需要对BN的权重使用L1正则化进行更新。

训练流程：

def train(epoch):
    model.train()
    for batch_idx, (data, target) in enumerate(train_loader):
        if args.cuda:
            data, target = data.cuda(), target.cuda()
        data, target = Variable(data),