超级会员免费看
本文探讨了YOLOv5的剪枝方案，包括基于BN层系数的剪枝、Bottleneck结构剪枝、卷积核剪枝以及这些方法的组合应用。在实践中，需要注意对浅层剪枝的限制、λ参数的选择以平衡精度和剪枝效果，以及稀疏训练、剪枝和微调的迭代过程。实验中，采用了adamw优化器在50 epochs内进行训练。
本文讨论yolov5的剪枝方案：
1、上篇文章实战梳理了基于BN层系数gamma剪枝（在一个卷积-BN-激活模块中，BN层可以实现通道的缩放）原理和实践流程，具体可参考上文；
2、对于Bottleneck结构进行剪枝
如果右边的参差很小，则只剩下左边shortcut连接，相当于整个模块都裁剪掉，可以进行约束让参差逼近0。
具体在上篇文章中的train_sparity.py中替换:
# Backward
loss.backward()</
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
