YOLOv5模型剪枝压缩(3)-剪枝策略2

在之前介绍了基于Network Slim的bn层通道剪枝策略。

但是因为Bottleneck模块中shortcut的存在需要shortcut和残差有相同的size,所以没对有shortcut的Bottleneck模块进行裁剪,但是实际上,我们可以把整个残差都裁剪掉,如图:

YOLOv5模型剪枝压缩(3)-剪枝策略2_第1张图片

可以将右边的残差分支两个Conv都裁剪,这样就吧整个Bottleneck都裁剪掉了,这样可以更大化地剪枝。

在之前的基础上,在训练中,我们给第二个Conv模块的BN层权重添加L1正则,使得激活逼近0.

未完待续。。

相关代码和实验结果已经更新: https://github.com/midasklr/yolov5prune

你可能感兴趣的:(目标检测,深度学习,剪枝)