Pruning-PFF:基于 NeurIPS 2020 论文“Pruning Filter in Filter”的 PyTorch 实现...

简介：
Pruning-PFF是基于NeurIPS 2020论文《Pruning Filter in Filter》的PyTorch实现，旨在优化深度卷积神经网络模型，通过高效地修剪Filter in Filter结构中的冗余参数，提高计算效率和模型性能。 这是我们的 NeurIPS 2020 论文“Pruning Filter in Filter”的 PyTorch 实现。在本段落中，我们提出了一种新的剪枝范式，称为 Stripe-wise-Pruning (SP)，它可以看作是 Filter-Pruning (FP) 的一种更广泛的情况。SP 将过滤器 $F \in \mathbb{R}^{C\times K\times K}$ 视为由 $K\times K$ 条纹（即 $1\times 1$ 过滤器 $\in \mathbb{R}^ c $）组成，并且以条带为单位进行修剪，而不是整个过滤器。与现有的方法相比，SP 实现了比传统 FP 更精细的粒度，同时对硬件更友好，并保持了 Filter-Pruning 中过滤器之间的独立性。因此，在 CIFAR-10 和 ImageNet 数据集上，它实现了最佳性能。