README.zh-CN.md

语言: 🇨🇳 🇺🇸

«SSL»复现了论文Learning Structured Sparsity in Deep Neural Networks

• 解析： Learning Structured Sparsity in Deep Neural Networks

除了论文提及的几种剪枝方式（滤波器剪枝/通道剪枝/滤波器_通道剪枝/层剪枝）外，本仓库还测试了不同权重函数（group_lasso/mean_abs/mean/sum_abs/sum）对于剪枝的影响。

• Which Prune Type?
• Which Prune Way?

更详细的训练数据可以查看：

• Details

内容列表

• 内容列表
• 背景
• 安装
• 用法
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

背景

基于Group Lasso，SSL实现了滤波器/通道/滤波器形状/层剪枝功能。

安装

$ pip install -r requirements.txt

用法

首先，设置环境变量

$ export PYTHONPATH=<project root path>
$ export CUDA_VISIBLE_DEVICES=0

然后进行训练-剪枝-微调

• 训练

$ python tools/train.py -cfg=configs/vggnet/vgg16_bn_cifar100_224_e100_sgd_mslr_ssl_filter_wise_1e_5.yaml

• 剪枝

$ python tools/prune/prune_vggnet.py

• 微调

$ python tools/train.py -cfg=configs/vggnet/refine_mean_abs_0_2_vgg16_bn_cifar100_224_e100_sgd_mslr_ssl_filter_wise_1e_5.yaml

最后，在配置文件的PRELOADED选项中设置微调后的模型路径

$ python tools/test.py -cfg=configs/vggnet/refine_mean_abs_0_2_vgg16_bn_cifar100_224_e100_sgd_mslr_ssl_filter_wise_1e_5.yaml

主要维护人员

• zhujian - Initial work - zjykzj

致谢

• lionminhu/structured-sparsity-learning

@misc{wen2016learning,
      title={Learning Structured Sparsity in Deep Neural Networks}, 
      author={Wei Wen and Chunpeng Wu and Yandan Wang and Yiran Chen and Hai Li},
      year={2016},
      eprint={1608.03665},
      archivePrefix={arXiv},
      primaryClass={cs.NE}
}

参与贡献方式

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

许可证

Apache License 2.0 © 2021 zjykzj