剪枝

开始剪枝

1. 模型加载

修改主目录下的yolo.py 的参数"model_path"与"classes_path"，更换为自己训练好的模型路径和类别类别文件路径。

2. 剪枝

参数介绍

device：检查cuda device，默认为空，会自动检查，一般不用设置。

img-size：模型推理时图片的大小，默认为640。

no-trace：是否追踪模型并保存模型，默认是保存模型，一般不用设置。

ch_sparsity：设置通道剪枝率，默认为0.5625（9/16），可根据实际需求调整，但分母应该为4，8的倍数，如1/4，5/8，9/16等，否则会导致再训练的时网络结构并不符合，无法再训练。

根据实际推理图片大小，修改主目录下的detect_pruned.py的参数 'img-size'，如640；根据实际希望剪除模型的通道百分比，修改主目录下的detect_pruned.py的参数'ch_sparsity'，如0.5。修改完成后，直接运行detect_pruned.py，即可完成模型的剪枝，剪枝后的模型默认保存为model_data/step{iterative_steps}-prunedmodel-{ch_sparsity}.pth

若需要更换保存路径，请进入utils/torch_utils.py修改：

traced_script_module.save("model_data/step{}-prunedmodel-{}.pth".format(iterative_steps,ch_sparsity)y

3. 剪枝后Fine-tune

修改train.py的参数“model_path”为剪枝模型权重路径

在yolo.py中的YoloBody实例化部分修改pruned参数为剩余的通道比例，例如剪枝率为0.7时

model = YoloBody(anchors_mask, num_classes, phi, pretrained=pretrained, phi_attention=0, pruned=0.3)

常见问题

1. 再训练过程中，无法加载剪枝模型

一般为剪枝率的问题，需要将剪枝率分母修改成4，8的倍数，如1/4，5/8，9/16等，0.5也可行。

2. 剪枝过程中，报结构错误

该剪枝方法目前仅支持以下模块：Linear, (Transposed) Conv, Normalization, PReLU, Embedding, MultiheadAttention, nn.Parameters and customized modules.以下运算符：split, concatenation, skip connection, flatten, reshape, view, all element-wise ops, etc.不需要剪枝或者无法剪枝的模块，请添加到参数ignored_layers。

ignored_layers = []  
     for m in model.modules():  
         if  isinstance(m,torch.nn.Conv2d ) and m.out_channels==24 and m.kernel_size== (1,1):  
             ignored_layers.append(m)  
         if  isinstance(m,se_block ) :  
             ignored_layers.append(m)  
     print(ignored_layers)