Python影像辨識筆記(二十七)：如何針對YOLOv3/v4進行剪枝(Pruning)？

卷積網路剪枝論文

Structured Pruning of Deep Convolutional Neural Networks

Pruning Filters for Efficient ConvNets

YOLObile: Real-Time Object Detection on Mobile Devices via Compression-Compilation Co-Design

其他有關 Pruning的介紹

剪枝真的没有那么好！伯克利、清华大学ICLR论文质疑6大剪枝方法

模型剪枝，不可忽视的推断效率提升方法

神经网络剪枝2019

一文详解文本深度学习模型的压缩

一文看懂深度学习模型压缩和加速

YOLOv3/v4實作教學

建議透過以下兩篇文章理解剪枝程式的撰寫方式，但不採用這兩篇內文所提供的程式碼。原因在於作者所提供的程式碼似乎只適用於YOLOv3，我自己透過YOLOv4實測發現似乎會有一些Bug存在。

如何让你的YOLOV3模型更小更快？

YOLOV3剪枝方法汇总

建議使用的程式碼

1. SpursLipu/YOLOv3v4-ModelCompression-MultidatasetTraining-Multibackbone

SpursLipu/YOLOv3v4-ModelCompression-MultidatasetTraining-Multibackbone

2. nightsnack/YOLObile

YOLObile的程式碼在進行第一階段Pruning的時候，在COCO資料集上使用1顆TESLA V100 GPU花費了33小時的時間。

第二階段的Masked Retrain則會載入第一階段訓練好的.pt檔案(在model_pruned資料夾中)，再進行訓練。

nightsnack/YOLObile