YOLOv3-complete-pruning
YOLOv3-complete-pruning copied to clipboard
coldlarry
提供对YOLOv3及Tiny的多种剪枝版本，以适应不同的需求。
在prune_utils.py文件中的 line 60-62 中代码如下： `#上采样层前的卷积层不裁剪 ignore_idx.add(84) ignore_idx.add(96)` 按照我的个人理解，上采样的话是只影响H和W两个维度，BN剪枝的话主要是对channel这个维度进行修剪。如果是对上采样前的卷积层进行剪枝，那么其实并不影响上采样操作？
我使用的是自定义数据集（4类），然后发现重新按照您的工程正常训练200epoch后loss大于20、map不足0.1. 在**AB版yolov3训练**了50200iters后loss小于1.5、map0.28. 想请教一下： （1）是否是我对本工程使用不当？是否训练的epoch数太少？ （2）请问能否直接加载AB版yolov3训练出来的.weight模型文件进行剪枝，**如何操作**？  
各位大佬，请问下压缩后推理时间是如何达到一半的？我正常剪枝压缩后推理时间大概6.8ms。我使用两块GPU2080Ti +------------+----------+----------+ | Metric | Before | After | +------------+----------+----------+ | mAP | 0.780145 | 0.770903 | | Parameters | 61523734 | 10512145 | | Inference | 0.0096 | 0.0068...
你好，很感谢这份优秀的工作。但我有些疑问，就是我在做8位量化时，模型里面的参数和激活看似被量化成8位，如同论文中那样做的，但是实际的数据类型还是torch.float32，那么最后模型保存的参数也都是torch.float32类型的，这根本没有被量化。
Traceback (most recent call last): File "train.py", line 487, in train() # train normally File "train.py", line 140, in train cutoff = load_darknet_weights(model, weights) File "/home/gss/yolopruning/YOLOv3-complete-pruning-poker/models.py", line 394, in load_darknet_weights...
在稀疏训练和剪枝后微调的训练中，每次最后一个epoch的mAP值会比前一个epoch的mAP值高出0.03~0.05之多，p值由0.5降到0.1，R值由0.8涨到0.9 
author ，ths you souce，we get to used to create model ，the follow erorr： ConnectionResetError: [Errno 104] Connection reset by peer Traceback (most recent call last): File "train.py", line 479, in...
