restore_prune_retrain_model

功能说明

通道稀疏或4选2结构化稀疏接口，两种稀疏特性每次只能使能一个：

将输入的待稀疏的图结构按照给定的record_file中稀疏记录进行稀疏，返回修改后可用于稀疏后训练的torch.nn.module模型。

函数原型

prune_retrain_model = restore_prune_retrain_model (model, input_data, record_file, config_defination, pth_file, state_dict_name=None)

参数说明

参数名	输入/返回值	含义	使用限制
model	输入	待进行稀疏的模型，已加载权重。	数据类型：torch.nn.module
input_data	输入	模型的输入数据。一个torch.tensor会被等价为tuple(torch.tensor)。	数据类型：tuple
record_file	输入	记录稀疏信息的文件路径及名称，由create_prune_retrain_model生成，确保两个接口生成的模型一致。	数据类型：string
config_defination	输入	简易配置文件。基于retrain_config_pytorch.proto文件生成的简易配置文件prune.cfg， retrain_config_pytorch.proto文件所在路径为：AMCT安装目录/amct_pytorch/proto/retrain_config_pytorch.proto。 retrain_config_pytorch.proto文件参数解释以及生成的prune.cfg简易量化配置文件样例请参见量化感知训练简易配置文件说明。	数据类型：string
pth_file	输入	训练过程中保存的权重文件。	数据类型：string
state_dict_name	输入	权重文件中的权重对应的键值。	默认值：None 数据类型：string
prune_retrain_model	返回值	修改后可用于稀疏后训练的torch.nn.module模型。	默认值：None 数据类型：torch.nn.module

返回值说明

无。

函数输出

稀疏后的模型。

调用示例

import amct_pytorch as amct
# 建立待进行稀疏的网络图结构
config_defination = './prune_cfg.cfg'
model = build_model()
input_data = tuple([torch.randn(input_shape)])
save_pth_path = /your/path/to/save/tmp.pth
model.load_state_dict(torch.load(state_dict_path))
 
# 调用稀疏模型API
record_file = os.path.join(TMP, 'scale_offset_record.txt')
prune_retrain_model = amct.restore_prune_retrain_model(           
               model,
               input_data,
               record_file,
               config_defination,
               save_pth_path,
              'state_dict')

父主题： 稀疏