今天文章代码不涉密，数据不涉密，使用的是网上开源代码，做了修改，主要介绍如何实现的，另外，数据使用开放数据VisDrone的小部分数据来测试~
今天的文章很短，主要附带一个视频讲解运行过程，我修改的地方就不必说了，代码在文末，可以一键运行。
环境：需要安装：protobuf==3.20.1 其他库见官方yolo所需的环境；
运行顺序： 第一步 原始训练，得到一个最优mAP等评价指标，记录在小本本上。
第二步：通过调整BN稀疏值（main 参数中的sr），运行train_sparity.py 稀疏训练得到一个稍微小一点点的模型（和原始的精度比较，看看哪个稀疏值最好~）
第三步：将上一步的训练好的last.pt 放到 prune.py 中进行剪枝，控制剪枝率；剪枝好的模型，在根目录下：pruned_model.pt 是fp32的，你除以2会得到最后的模型大小
第四步： Finetune，用刚刚的pruned模型重新训练，得到最优模型，就是最小且最快，且最好的啦~（和原始和稀疏训练的比较一下哦）
上面是俩个BN的可视化，我们调整稀疏训练里的st值，运行训练练&#
Original: https://blog.csdn.net/qq_46098574/article/details/125174256
Author: cv君
Title: 《模型轻量化-剪枝蒸馏量化系列》YOLOv5无损剪枝（附源码）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/605677/
转载文章受原作者版权保护。转载请注明原作者出处！