本文主要是介绍卷积通用模型的剪枝、蒸馏---剪枝篇（此处以deeplabv3+为例，可根据模型自行定制剪枝层），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
之后的两篇文章是对前段时间工作的一个总结。
一、环境配置
1.1、文章以b导的代码为模板，环境配置比较简单（第二篇蒸馏篇结束后会放置剪枝蒸馏配置好的百度网盘链接），其他算法自行配置，在剪枝之前，需要保证算法能够在本地跑通。
B导链接：
https://github.com/bubbliiiing/deeplabv3-plus-pytorch
1.2、安装torch_pruning
在利用剪枝功能前，需要安装一下剪枝的库。需要安装0.2.7版本，剪枝时的一些log信息会自动保存在logs文件夹下。
pip install torch_pruning==0.2.7
二、剪枝过程
2.1、读取模型结构
此处分两种情况，第一种为torch.save(model,…)保存的权重，第二种为torch.save(model.state_dict(),…)保存的权重，如下适用于第二种情况下，第一种情况本身包含模型结构信息。
def 这篇关于卷积通用模型的剪枝、蒸馏---剪枝篇（此处以deeplabv3+为例，可根据模型自行定制剪枝层）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
