README.zh-CN.md

语言: 🇨🇳 🇺🇸

«NetworkSlimming»复现了论文Learning Efficient Convolutional Networks through Network Slimming

• 解析： Learning Efficient Convolutional Networks through Network Slimming

更详细的训练数据可以查看：

• Details

内容列表

• 内容列表
• 背景
• 安装
• 用法
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

背景

Network Slimming利用L1正则化对BN层缩放因子进行稀疏训练，完成训练后再进行通道级别剪枝操作，最后通过微调恢复性能。在实际应用过程中实现了很好的效果

安装

$ pip install -r requirements.txt

用法

首先，设置环境变量

$ export PYTHONPATH=<project root path>
$ export CUDA_VISIBLE_DEVICES=0

然后进行训练-剪枝-微调

• 训练

$ python tools/train.py -cfg=configs/vggnet/vgg16_bn_cifar100_224_e100_sgd_mslr_slim_1e_4.yaml

• 剪枝

$ python tools/prune/prune_vggnet.py

• 微调

$ python tools/train.py -cfg=configs/vggnet/refine_pruned_0_2_vgg16_bn_cifar100_224_e100_sgd_mslr_slim_1e_4.yaml

最后，在配置文件的PRELOADED选项中设置微调后的模型路径

$ python tools/test.py -cfg=configs/vggnet/refine_pruned_0_2_vgg16_bn_cifar100_224_e100_sgd_mslr_slim_1e_4.yaml

主要维护人员

• zhujian - Initial work - zjykzj

致谢

• Eric-mingjie/network-slimming
• wlguan/MobileNet-v2-pruning
• 666DZY666/micronet
• foolwood/pytorch-slimming

@misc{liu2017learning,
      title={Learning Efficient Convolutional Networks through Network Slimming}, 
      author={Zhuang Liu and Jianguo Li and Zhiqiang Shen and Gao Huang and Shoumeng Yan and Changshui Zhang},
      year={2017},
      eprint={1708.06519},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

参与贡献方式

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

许可证

Apache License 2.0 © 2021 zjykzj