基于多种模型剪枝方法（L1-normSlimmingAutoSlim）的模型轻量化和模型压缩实现
Posted 踟蹰横渡口,彳亍上滩舟。
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于多种模型剪枝方法（L1-normSlimmingAutoSlim）的模型轻量化和模型压缩实现相关的知识，希望对你有一定的参考价值。
基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化实现
支持：VGG、MobileNet、Resnet、ShuffleNet等模型。
代码下载地址：下载
| BackBone | Pruner | Prune Ratio | Original/Pruned/Finetuned Accuracy | FLOPs(M) | Params(M) |
|---|---|---|---|---|---|
| MobileV2 | L1-Norm | 0.6 | 0.937/0.100/0.844 | 313.5->225.5 | 2.24->1.15 |
| MobileV2 | Slimming | Optimal Thres | 0.922/0.485/0.915 | 313.5->127.5 | 2.24->0.98 |
| MobileV2 | AutoSlim |
以上是关于基于多种模型剪枝方法（L1-normSlimmingAutoSlim）的模型轻量化和模型压缩实现的主要内容，如果未能解决你的问题，请参考以下文章
基于pytorch模型剪枝的实现（极大的减少模型计算参数加快模型运行速度）