如何理解敏感度裁切中的greedy_prune和普通的prune区别？ about paddleslim HOT 4 CLOSED

1. 如何理解敏感度裁切中的greedy_prune和普通的prune区别？

greedy_prune一次只会剪裁topk不敏感的卷积层，topk默认为1.
prune一次会剪裁所有指定的卷积层。

from paddleslim.

2.下列代码中 ，#标出的部分有何意义？为什么要乘2？

这里代码是在估算：剪掉当前卷积层多少channel才能使模型的整体FLOPs减少指定的比例。

step1： 先剪掉50%的channel

pruned_program, _, _ = pruner.prune(
            program=graph.program,
            scope=None,
            params=[name],
            ratios=[0.5], ################# 注意这里
            place=None,
            lazy=False,
            only_graph=True)

step 2: 剪掉50%channel后，FLOPs减少了多少？

base_flops - flops(pruned_program)

step 3: FLOPs要减少10%， channel应该减少多少?

x/50% = target_pruned_flops / (base_flops - flops(pruned_program))
x = target_pruned_flops / (base_flops - flops(pruned_program))*2 #####所以有个2

from paddleslim.

3.下列代码中min_loss和max_loss初始值均为0，会导致while循环不执行

这里确实有问题，非常感谢反馈。
另外，更推荐参考这个教程，计算完敏感度后，手动调用剪裁接口：
https://paddlepaddle.github.io/PaddleSlim/tutorials/image_classification_sensitivity_analysis_tutorial.html

from paddleslim.

感谢解答

from paddleslim.