Pruned-YOLO：通过模型修剪技术，获得基于YOLOv5的紧凑模型Pruned-YOLOv5-源码。

简介：
通过对YOLO模型的修剪，我们得以构建更为紧凑的模型，具体而言，即Pruned-YOLOv5，该模型基于YOLOv5架构。请务必注意以下步骤：首先，该项目依赖于[此处]，因此需要先进行安装。随后，请将提供的模型配置文件（如coco_yolov5l.yaml）以及网络模块定义文件（common.py）替换掉原始的对应文件。其次，借鉴[参考]，我们进一步采用次梯度方法来训练模型的稀疏度（sparsity.py）。为了简化修剪流程，我们结合了稀疏训练和微调策略。在训练过程中，我们引入了软掩膜策略以及稀疏因子余弦衰变技术。此外，train_sr.py脚本能够直接执行稀疏训练并完成修剪任务，无需进行额外的微调步骤。最后，请将prune_channel_v5_weightingByKernel.py和prune_layer_v5_weightingByKernel.py这两个文件放置在主目录（/yolov5/）中；前者用于通道级别的修剪操作，后者则用于层级别的修剪操作。 这些修剪功能由他们提供支持。