卷积通道剪裁示例#

本示例将演示如何按指定的剪裁率对每个卷积层的通道数进行剪裁。该示例默认会自动下载并使用mnist数据。

当前示例支持以下分类模型：

• MobileNetV1
• MobileNetV2
• ResNet50
• PVANet

接口介绍#

该示例使用了paddleslim.Pruner工具类，用户接口使用介绍请参考：API文档

确定待裁参数#

不同模型的参数命名不同，在剪裁前需要确定待裁卷积层的参数名称。可通过以下方法列出所有参数名：

1
2

for param in program.global_block().all_parameters():
    print("param name: {}; shape: {}".format(param.name, param.shape))

在train.py脚本中，提供了get_pruned_params方法，根据用户设置的选项--model确定要裁剪的参数。

启动裁剪任务#

通过以下命令启动裁剪任务：

1
2

export CUDA_VISIBLE_DEVICES=0
python train.py

执行python train.py --help查看更多选项。

注意#

1. 在接口paddle.Pruner.prune的参数中，params和ratios的长度需要一样。