channel-prune-源码

这是的PyTorch实现。 在可以实现3倍的模型尺寸缩减，并且精度损失很小。 该项目是从修改而来的，主要区别是： 修剪一次完成，而不是顺序执行。 所引用的原始项目中的FilterPruner和PruningFineTuner被合并到FilterPruner类中，以使其更加简洁。 修剪InceptionV3 ， Inception_Resnet_V1 ， Resnet50作为示例，您可以为自定义模型定义新的FilterPruner。 笔记： 您可以使用PyTorch的预训练的Resnet50或InceptionV3作为基本模型，并在前面提到的cat-vs-dog数据集中修剪它们。 （请参阅prune_InceptionV3_example.py和prune_Resnet50_example.py） 要修剪新模型，您需要根据模型的体系结构在FilterPruner下定义一个转发函数和