When I use it on other models, I get the missing key error

[sunyclj]

Missing key(s) in state_dict: "forward_resblocks.main.2.0.conv1.act_scale_pre", "forward_resblocks.main.2.0.conv1.act_scale", "forward_resblocks.main.2.0.conv2.act_scale", .................... please，what's the reason? Conv2D_WN_Pre contains 'self.act_scale_pre = nn.Parameter(torch.ones(in_channels).view(1, -1, 1, 1), requires_grad=True) self.act_scale = nn.Parameter(torch.ones(out_channels).view(1, -1, 1, 1), requires_grad=True)', does it need to be defined when training a model without pruning?

[Zj-BinXia]

需要定义，这是给后面剪枝用的，我当时做实验尝试了两点，根据act_scale的大小进行剪枝或者根据权重的L1-Norm进行剪枝，所以保留了这个设定。其实剪枝最早是在high level任务上进行的，那里的网络会使用batchNorm,这是一个天然的gate，因此有人常使用BN里面的系数大小定义一个通道的重要性进行剪枝。但是low-level任务中一般不用这个BN，所以又加了一个全部定义为1的系数来简单的衡量一下通道的重要性。

[sunyclj]

需要定义，这是给后面剪枝用的，我当时做实验尝试了两点，根据act_scale的大小进行剪枝或者根据权重的L1-Norm进行剪枝，所以保留了这个设定。其实剪枝最早是在high level任务上进行的，那里的网络会使用batchNorm,这是一个天然的gate，因此有人常使用BN里面的系数大小定义一个通道的重要性进行剪枝。但是low-level任务中一般不用这个BN，所以又加了一个全部定义为1的系数来简单的衡量一下通道的重要性。

明白了，谢谢！ 请问在./basicsr/pruner/utils.py中定义了函数adjust_pr，这是什么作用呢？在这之前，已经确定了pruned_wg和kept_wg，为什么还要调整呢？