1 写在前面

在前面的文章中，笔者与小伙伴们分享了对 MODNet 主干网络部分以及其余分支分别剪枝的探索历程，即先分解、再处理、后融合的手法。然而，

马克思曾深刻地思考社会的全面性，强调社会是一个复杂而相互关联的整体。在他的《资本论》中，他突显了社会结构的总体性，认为理解社会现象需要考虑各个层面的相互作用。正如马克思强调的那样，我们不能孤立地看待社会中的一部分，而是应该以全面、整体的视角去考虑其内在关系和矛盾。

在这个思想的启发下，笔者将 MODNet 作为一个整体，直接做剪枝处理。同样，我们还是借助 NNI 工具库实现模型剪枝与加速。

2 遇到问题

由于 MODNet 中计算维度较大，超出了PyCharm默认的内存限制。

3 解决方案

1. 修改 PyCharm 最大内存限制；
2. 降低输入图像的分辨率；
3. 对 MODNet 中的少部分层进行剪枝；

4 探索过程

4.1 方案一

打开 PyCharm 中的 VM options：

修改 XMX，即运用程序运行时的可用内存大小，本机的运行内存为12G，这里先对半设置 6002M。然而，运行后依旧提示内存不足，当设置为7000时，在运行中，PyCharm 自动关闭。因此，该方法无效，而且属于高危行为！

💥注意：不能绝对设置大小，考虑到计算机除 PyCharm 以外也有其他进程占用内存，因此，设置上限时需要综合考虑计算机的状况。

4.2 方案二

将 MODNet 输入尺寸从 512 降低为 256，成功剪枝！

由于使用 DataParallel 加载以后，在 GPU 上剪枝会提示显存不足！因此，笔者先将 MODNet 加载到 CPU 上，取消 DataParallel 加载，可以完成剪枝与模型加速！！

实际上，尽管模型是通过多卡训练保存得到，在使用 DataParallel 加载后，也可以直接转换到 CPU 上：

from src.models import modnet
import torch

model = modnet.MODNet(backbone_pretrained=False)
model = torch.nn.DataParallel(model).to('cpu')

pretrained_ckpt = torch.load('modnet_photographic_portrait_matting.ckpt')
model.load_state_dict(pretrained_ckpt, strict=False)

print(next(model.parameters()).device)  # CPU

然而，剪枝出现了问题，即 module 的参数必须是在 CUDA 上操作，在 CPU 上无效：

该问题表明：利用to.(‘cpu’)的方式从 CUDA 转移到 CPU 本身是没问题的，但这不被 module 接受。换句话说，在 MODNet 模型外面，包裹着 module 模块。因此，如果要在 CPU 上完成剪枝，module 是首要解决的问题！

---

打印结构发现：

和原先进行对比：

多了 module 模块，这是一个值得思考的地方！🙄

再次了解 torch.nn.DataParallel()：

在使用多卡训练时，该函数能够将 input 数据划分，进而送进不同的卡上训练；而模型的 module 会复制到不同的卡上。换句话说，具有相同 module 的不同卡会处理划分到的数据，当然，这是 forward 部分。而在 backpropagation 部分，不同卡的梯度会累加到原始的 module 上，被 cuda:0 计算。当训练完成，保存时也会采用model.module.state_dict()，而非单卡训练时的model.state_dict()；在将参数加载时，结构中也必然存在module。

---

因此，这也就对 NNI 中看似排除某些层，实际上没有排除解释通了：原先并未在 torch.nn.DataParallel() 加载后观察结构情况，同时也因为GPU显存不够直接将模型转到了 CPU 上，导致在剪枝的 config_list 中没有指定正确的参数名。

用 NNI 输出 flops 进行对比：

---

结构中的 module 模块如何处理，笔者考虑了两种方案：

1. 修改 NNI 的config_list 为 module. 进行剪枝；
2. 去除 module；

---

由于第一种方案会涉及到上述提及的问题：从 CUDA 转到 CPU 不会被 module 接受。因此我们选择方案2。

加载的 ckpt 类型为 dict，因此，通过 items 获得 key 以及 value 后可以通过 replace 替换，如下：

model = modnet.MODNet(backbone_pretrained=False)
pretrained_ckpt = 'modnet_photographic_portrait_matting.ckpt'
# model = torch.nn.DataParallel(model)
model.load_state_dict({k.replace('module.', ''):v for k, v in torch.load(pretrained_ckpt).items()})

print(model)
print(list(model.named_parameters()))

此时，module 模块成功去除，且惊奇发现，即使不通过 DataParallel 加载 model，每次打印得到的权重参数也保持一致了！至此，module 问题解决，在 CPU 上的剪枝也就顺其自然了~~

4.3 方案三

不论如何排除某些层，从 NNI 在控制台输出的 info 来看，每次都会从头到尾计算每一层的信息，并进行更新。此外，尽管排除了某些层，由于上一层的通道数变化会影响下一层的变化，因此还是会进行计算。

所以，通过排除某些层，或者是指定某些层进行剪枝的作法，就解决内存限制问题而言，并不合理！

5 疑惑与思考

5.1 Q1

在剪枝过后，模型精度相应也会降低，为了能恢复到原来的精度，或者是达到可接受的精度，应当进行微调（fine-tune），其中需要调整训练超参数，包括 epoch、learning rate、momentum 等；

🚩说明：剪枝模型重训练不光可以采用微调，也可从头训练。这一观点在《Rethinking the value of network pruning》一文中表明。另外，文章中通过实验说明了从头训练的效果优于微调，原因是模型剪枝后重要的是紧凑的结构，而不是原来的那些重要的权重。

---

笔者以 LeNet 为例做了一个剪枝后微调的实验，对比如下：

	原模型	剪枝后	微调后
Accuracy	91%	85%	94%

为什么剪枝模型在 fine-tune 后精度更高？

有这样一种解释，大模型提供了一个包含最优解的大的解空间，而对于小模型来说，这样的解空间较小，因此更容易找到 optimal solution，故精度会比大模型更高。

---

但是，有些时候或许 fine-tune 后精度还是很差，这是为什么？

注意，这里笔者思考的事为啥很差，而不是差，如果下降比例不大的话，其实是因为剪枝本身导致的信息损失，这和评价指标有关，是很难避免的。

1. 过度剪枝： 剪枝了太多的参数，导致模型容量不足，无法捕获数据中的复杂模式，以至于模型欠拟合，表现较差。
2. 超参数调整不当： 超参数的调整本身并不容易，不同的任务和数据集需要不同的超参数配置。笔者在调参时遇到不同的随机种子可以带来10%准确率差异！所以，模型可能无法收敛到良好的解决方案。
3. 数据不足： 如果 fine-tuning 阶段的训练数据量不足，模型可能无法充分学习新任务的特征，导致性能下降。（这里又有一个问题，大模型小数据训练会如何？也不好训练，因为大模型可能会过于复杂，难以泛化到新的数据）
4. 任务不适合： 原始模型可能不适合进行剪枝和 fine-tuning 的任务，某些任务可能需要更大的模型，或者可以考虑使用从头训练。（但一般fine-tune和从头训练不会差异巨大）

另外，笔者也抛出一个有意思的问题：剪枝时，我们通常会采用某一种评价准则去衡量权重的重要程度，如果重要程度低，我们认为是冗余权重，所以去除；而重要权重我们选择保留，那么，冗余权重真的冗余吗？是否也会对整个模型的评估起“支撑”作用？但笔者再想想，既然都是冗余了，那为啥还要保留？说明一定是对模型不再起作用的。所以问题就回到了这个评价准则，到底如何去设计评价准则，一直是模型剪枝的一个挑战。

5.2 Q2

在只保存剪枝后模型参数的情况下，需要修改相应的网络结构才能将参数填入结构中，那为何不可参考剪枝后的结构修改原先的结构，并进行训练？

解释：因为大模型要比小模型好训练。

1. 更多的参数： 这意味着更大的模型可以学习更复杂的特征和模式，更多的参数允许模型更好地适应训练数据，捕获更多的细节和复杂性。
2. 更好的表示能力： 大模型有更大的容量来表示数据的复杂关系，能够学习更抽象、更深层次的特征，使其在处理复杂任务时更为有效。
3. 更好的泛化能力： 大模型在训练中可以学到更多的信息，从而提高了其在未见数据上的泛化能力，这意味着它们更有可能在面对新的、未知的数据时表现良好。

当然，由于训练大模型需要的训练时间长，计算资源和内存消耗也更大，所以需要根据实际的情况找到 trade-off！