mindspore_gs.pruner.PrunerFtCompressAlgo

class mindspore_gs.pruner.PrunerFtCompressAlgo(config=None)

PrunerFtCompressAlgo 是CompAlgo的子类，实现了删除冗余卷积核并对网络进行完整训练的能力。

参数：

• config (dict) - 以字典的形式存放用于剪枝训练的配置，下面列出了受支持的属性：

  • prune_rate (float) - 值的取值范围是[0.0, 1.0)。

异常：

• TypeError - prune_rate 的数据类型不是 float 。

• ValueError - prune_rate 小于0或者大于等于1。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gs.pruner import PrunerKfCompressAlgo, PrunerFtCompressAlgo
>>> from mindspore import nn
>>> class Net(nn.Cell):
...     def __init__(self, num_channel=1):
...         super(Net, self).__init__()
...         self.conv = nn.Conv2d(num_channel, 6, 5, pad_mode='valid')
...         self.bn = nn.BatchNorm2d(6)
...
...     def construct(self, x):
...         x = self.conv(x)
...         x = self.bn(x)
...         return x
...
... class NetToPrune(nn.Cell):
...     def __init__(self):
...        super(NetToPrune, self).__init__()
...        self.layer = Net()
...
...     def construct(self, x):
...         x = self.layer(x)
...         return x
...
>>> net = NetToPrune()
>>> kf_pruning = PrunerKfCompressAlgo({})
>>> net_pruning_kf = kf_pruning.apply(net)
>>> ## 1) Define FineTune Algorithm
>>> ft_pruning = PrunerFtCompressAlgo({'prune_rate': 0.5})
>>> ## 2) Apply FineTune-algorithm to origin network
>>> net_pruning_ft = ft_pruning.apply(net_pruning_kf)
>>> ## 3) Print network and check the result. Conv2d and bn should be transformed to KfConv2d.
>>> print(net_pruning_ft)
NetToPrune<
(layer): Net<
(conv): MaskedConv2dbn<
(conv): Conv2d<input_channels=1, output_channels=6, kernel_size=(5, 5), stride=(1, 1), pad_mode=valid,
padding=0, dilation=(1, 1), group=1, has_bias=False, weight_init=normal, bias_init=zeros, format=NCHW>
(bn): BatchNorm2d<num_features=6, eps=1e-05, momentum=0.09999999999999998, gamma=Parameter
(name=conv.bn.bn.gamma, shape=(6,), dtype=Float32, requires_grad=True), beta=Parameter
(name=conv.bn.bn.beta, shape=(6,), dtype=Float32, requires_grad=True), moving_mean=Parameter
(name=conv.bn.bn.moving_mean, shape=(6,), dtype=Float32, requires_grad=False), moving_variance=Parameter
(name=conv.bn.bn.moving_variance, shape=(6,), dtype=Float32, requires_grad=False)>
>
(bn): SequentialCell<>
>
>

apply(network)

将Konckoff网络变为剪枝后的网络。

参数：

• network (Cell) - Konckoff网络。

返回：

返回剪枝后的网络。

异常：

• TypeError - network 不是Cell。

set_prune_rate(prune_rate: float)

设置剪枝率。

参数：

• prune_rate (float) - 剪掉网络的大小。

异常：

• TypeError - prune_rate 不是float。

• ValueError - prune_rate 小于0或者大于等于1。