- 剪枝引言
- 非结构-细粒度剪枝上
- 非结构-细粒度剪枝下
- 非结构-向量剪枝
- 卷积核剪枝
- 结构化剪枝【可视化】
- 结构化剪枝【可视化】
- 修剪标准-基于权重大小与梯度大小上
- 修剪标准-基于权重大小与梯度大小下
- 抱歉没有3这个文件的出现仅仅是为了与jupyter目录对齐
- 两个剪枝框架的简单了解
- dropout_and_dropconnect【额外】
- removing剪枝-训练部分
- removing剪枝【剪枝与微调部分】
- 参数量计算与稀疏训练的引入
- 稀疏训练经典baseline手写复现
- pytorch调包-自己用钩子函数进行剪枝
- pytorch调包-inspect模块内部的数据流转
- pytorch调包-序列化剪枝模型与全局剪枝
- pytorch调包-自定义prune函数
- 章节介绍
- CIFAR10数据集
- VGG网络搭建
- BatchNorm
- L1&L2正则概念
- train-parse_opt
- train-train
- trainsave_checkpoint-test
- train3.5.train
- Pruning-Intro
- Pruning-完整流程演示
- Prune-3个层的剪枝
- Prune-test()
- Prune-加载稀疏训练模型
- Prune-前处理
- Prune-建立新模型并存储信息
- Prune-BatchNorm层的剪枝
- Prune-Conv2d层的剪枝
- Prune-Conv2d层的剪枝
- nvida剪枝方案-通用稀疏方案简介
- nvida剪枝方案-图解nvidia2-4稀疏方案
- nvida剪枝方案-针对不同网络的训练策略
- nvida_2-4剪枝-手写复现概览
- nvida_2-4剪枝-ASP类的实现
- compute_mask函数实
- m4n2的实现上
- m4n2的实现下
- 剪枝中如何初始化模型上
- 剪枝中如何初始化模型下
- 剪枝中如何给layer嵌入稀疏特性
- 剪枝中如何初始化optimizer
- yolov8剪枝overview
- pretrain[非必要]
- 约束训练和TB剪枝初探
- onnx分析剪枝Bottleneck,C2f,SPPF
- 最小剪枝Conv单元的TopConv
- 最小剪枝Conv单元的BottomConv
- Seq剪枝
- Seq剪枝补充
- Detect-FPN剪枝
- yolov8剪枝总结