我们能够修剪预训练模型吗？示例：MobileNetV2

Question

我正在尝试修剪预训练模型：MobileNetV2，但出现此错误。尝试在网上搜索，无法理解。我在Google Colab上运行。这些是我的进口商品。import tensorflow as tfimport tensorflow_model_optimization as tfmotimport tensorflow_datasets as tfdsfrom tensorflow import kerasimport osimport numpy as npimport matplotlib.pyplot as pltimport tempfileimport zipfile这是我的代码。model_1 = keras.Sequential([    basemodel,    keras.layers.GlobalAveragePooling2D(),    keras.layers.Dense(1)                            ])model_1.compile(optimizer='adam',                loss=keras.losses.BinaryCrossentropy(from_logits=True),                metrics=['accuracy'])model_1.fit(train_batches,            epochs=5,            validation_data=valid_batches)prune_low_magnitude = tfmot.sparsity.keras.prune_low_magnitudepruning_params = {    'pruning_schedule': tfmot.sparsity.keras.PolynomialDecay(initial_sparsity=0.50,                                                             final_sparsity=0.80,                                                             begin_step=0,                                                             end_step=end_step)}model_2 = prune_low_magnitude(model_1, **pruning_params)model_2.compile(optmizer='adam',                loss=keres.losses.BinaryCrossentropy(from_logits=True),                metrics=['accuracy'])这是我得到的错误。---> 12 model_2 = prune_low_magnitude(model, **pruning_params)ValueError: Please initialize `Prune` with a supported layer. Layers should either be a `PrunableLayer` instance, or should be supported by the PruneRegistry. You passed: <class 'tensorflow.python.keras.engine.training.Model'>

Answer 1

我相信您正在关注Pruning in Keras Example并跳入Fine-tune pre-trained model with pruning部分而没有设置可修剪层。您必须重新实例化模型并设置您希望设置为的图层prunable。请按照本指南了解有关如何设置可修剪层的更多信息。

https://www.tensorflow.org/model_optimization/guide/pruning/comprehensive_guide.md

Answer 2

如下保存模型并重新加载对我有用。

_, keras_file = tempfile.mkstemp('.h5')

tf.keras.models.save_model(model, keras_file, include_optimizer=False)

print('Saved baseline model to:', keras_file)

Answer 3

今天有同样的问题，它的以下错误。

如果您不想修剪该层或不关心它，您可以使用此代码仅修剪模型中的可修剪层：

from tensorflow_model_optimization.python.core.sparsity.keras import prunable_layer

from tensorflow_model_optimization.python.core.sparsity.keras import prune_registry

def apply_pruning_to_prunable_layers(layer):

    if isinstance(layer, prunable_layer.PrunableLayer) or hasattr(layer, 'get_prunable_weights') or prune_registry.PruneRegistry.supports(layer):

        return tfmot.sparsity.keras.prune_low_magnitude(layer)

    print("Not Prunable: ", layer)

    return layer

model_for_pruning = tf.keras.models.clone_model(

    base_model,

    clone_function=apply_pruning_to_pruneable_layers

)

Answer 4

我遇到了同样的问题：

• 张量流版本：2.2.0

只是更新tensorflow的版本就2.3.0解决了这个问题，我认为Tensorflow在2.3.0中增加了对这个特性的支持。

Answer 5

我发现的一件事是我添加到模型中的实验性预处理引发了这个错误。我在模型的开头使用它来帮助添加更多训练样本，但 keras 修剪代码不喜欢这样的子类模型。同样，代码不喜欢我对图像居中所做的实验性预处理。从模型中删除预处理为我解决了这个问题。

def classificationModel(trainImgs, testImgs):

  L2_lambda = 0.01

  data_augmentation = tf.keras.Sequential(

  [ layers.experimental.preprocessing.RandomFlip("horizontal", input_shape=IM_DIMS),

    layers.experimental.preprocessing.RandomRotation(0.1),

    layers.experimental.preprocessing.RandomZoom(0.1),])

  model = tf.keras.Sequential()

  model.add(data_augmentation)

  model.add(layers.experimental.preprocessing.Rescaling(1./255, input_shape=IM_DIMS))

...