pytorch-pruning-2step:两阶段修剪以支持分布式推理（本地设备计算模型的一半，上载功能以在更强大的设备或云上进...

使用PyTorch进行培训和修剪 由hou-yz提供，基于kuangliu/pytorch-cifar 提高推理速度并减少中间特征的大小，以支持分布式推理（本地设备计算模型的一半，并上传特征以在更强大的设备或云上进行进一步的计算）。 修剪阶段1：修剪整个模型以提高推理速度并稍微减小中间特征的大小。 修剪阶段2 ：（基于步骤1的模型）针对每个分割点（将中间特征转移到另一个设备以进行进一步计算），特别是修剪分割点之前的层以进一步减小中间特征的大小。 仅支持pytorch> 0.3.1的python3; 在cifar-10上训练的模型，仅在vgg-16上进行了测试。 还添加了自动记录和自动绘制图表。 用法 训练： python main. py -- train # train from scratch python main. py -- resume