请问该方法支持YOLOX-nano的剪枝吗？

[floweryzhao]

请问该方法支持YOLOX-nano的剪枝吗？想在nano模型上进行剪枝，是否需要改动您这边的代码呢？

[zongxin1993]

nano 已经很轻了不用剪了

[floweryzhao]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

[zongxin1993]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

训练不同的模型。yolox是通过重新exp 实现的，你可以试试换了sample 下的my_hand_voc_l,py ，然后指定depth ，width 和数据集 为自己想要的试一下，我再写prun model的时候是支持设置这两个参数的，但是我没试过，可能会有问题。

[zongxin1993]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

正常应该是支持s m tiny 剪枝的，需要更改参数就可以，剪完后还剩参数是通过设置剪枝率正向相关的，剪枝后=原始参数剪枝率，具体可以自己设置，在prune.py 中的 这句话 thresh_index = int(len(prune_bn_weights) 0.2)), 通过0.2 调节的，实际剪枝率是 prune_ratio, prune_mask_dict = obtain_filters_mask(prune_bn_dict, thresh)，这个函数决定的

[floweryzhao]

好的，谢谢，我去试一试先，后面有问题的话可能还需要您这边的帮助= =

[floweryzhao]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

正常应该是支持s m tiny 剪枝的，需要更改参数就可以，剪完后还剩参数是通过设置剪枝率正向相关的，剪枝后=原始参数剪枝率，具体可以自己设置，在prune.py 中的 这句话 thresh_index = int(len(prune_bn_weights) 0.2)), 通过0.2 调节的，实际剪枝率是 prune_ratio, prune_mask_dict = obtain_filters_mask(prune_bn_dict, thresh)，这个函数决定的

我现在这边已经剪枝完成并重新训练了，但是最后l和s模型的剪枝结果的mAP直接就是0了，训练不起来。然后tiny模型剪完再训练的mAP也只有0.011，请问这是什么原因造成的呢？应当怎样去改善呢？ 还有您写的这套程序的稀疏训练和剪枝的策略是什么样的呢？我想去学习一下

[gaozheng-tech]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

正常应该是支持s m tiny 剪枝的，需要更改参数就可以，剪完后还剩参数是通过设置剪枝率正向相关的，剪枝后=原始参数剪枝率，具体可以自己设置，在prune.py 中的 这句话 thresh_index = int(len(prune_bn_weights) 0.2)), 通过0.2 调节的，实际剪枝率是 prune_ratio, prune_mask_dict = obtain_filters_mask(prune_bn_dict, thresh)，这个函数决定的

我现在这边已经剪枝完成并重新训练了，但是最后l和s模型的剪枝结果的mAP直接就是0了，训练不起来。然后tiny模型剪完再训练的mAP也只有0.011，请问这是什么原因造成的呢？应当怎样去改善呢？ 还有您写的这套程序的稀疏训练和剪枝的策略是什么样的呢？我想去学习一下

您好请问这个问题解决了么？

[floweryzhao]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

正常应该是支持s m tiny 剪枝的，需要更改参数就可以，剪完后还剩参数是通过设置剪枝率正向相关的，剪枝后=原始参数剪枝率，具体可以自己设置，在prune.py 中的 这句话 thresh_index = int(len(prune_bn_weights) 0.2)), 通过0.2 调节的，实际剪枝率是 prune_ratio, prune_mask_dict = obtain_filters_mask(prune_bn_dict, thresh)，这个函数决定的

我现在这边已经剪枝完成并重新训练了，但是最后l和s模型的剪枝结果的mAP直接就是0了，训练不起来。然后tiny模型剪完再训练的mAP也只有0.011，请问这是什么原因造成的呢？应当怎样去改善呢？ 还有您写的这套程序的稀疏训练和剪枝的策略是什么样的呢？我想去学习一下

您好请问这个问题解决了么？

有一些小进展，你要不留个联系方式，咱俩讨论一下

[ASDF623]

好的，还想请问您一下，您yolox-l剪枝完有多少参数呢？您这段代码是否支持像yolo-s，yolox-m和yolo-tiny的剪枝呢？

正常应该是支持s m tiny 剪枝的，需要更改参数就可以，剪完后还剩参数是通过设置剪枝率正向相关的，剪枝后=原始参数剪枝率，具体可以自己设置，在prune.py 中的 这句话 thresh_index = int(len(prune_bn_weights) 0.2)), 通过0.2 调节的，实际剪枝率是 prune_ratio, prune_mask_dict = obtain_filters_mask(prune_bn_dict, thresh)，这个函数决定的

我现在这边已经剪枝完成并重新训练了，但是最后l和s模型的剪枝结果的mAP直接就是0了，训练不起来。然后tiny模型剪完再训练的mAP也只有0.011，请问这是什么原因造成的呢？应当怎样去改善呢？ 还有您写的这套程序的稀疏训练和剪枝的策略是什么样的呢？我想去学习一下

您好请问这个问题解决了么？

有一些小进展，你要不留个联系方式，咱俩讨论一下

我也遇到这个问题了，请问下怎么解决呢？换成s之后，训练的map非常低。

[lizexu123]

请问d大佬们遇见过这个问题吗