pytorch 47 模型剪枝实战|基于torch-pruning库代码对yolov10n模型进行剪枝

torch-pruning官方提供了基于yolov8的剪枝代码，基于此代码改进博主实现了对yolov10n模型的剪枝。虽然实现了对yolov10n模型的剪枝，剪枝目标为移除60%的通道，然而实验是失败的，针对coco数据集进行操作，剪枝前的模型map时37，剪枝后只能恢复到22，比预计下降了15个点，剪枝后的模型flop是下降了很多，mac从8.9降低到2.01616 G，但在3060显卡上推理速度并未得到提升。下一期，将会实现模型的稀疏化训练与剪枝。
本期实验，主要验证了多次剪枝，不如一次剪枝到位；并初步实现了对yolov10n模型的剪枝，如果是在非coco数据集，非n模型，进行模型剪枝其map信息应该不回下降的如此严重。

1、差异分析

在torch-pruning库中进行v8模型剪枝时对C2f模块进行了替换，故此需要分析v8模型与v10模型的结构差异，看v10模型中又有哪些模型结构需要替换。

1.1 项目准备

1、下载安装支持v10模型的ultralytics库（2024年6月份之后的官方最新代码即可）

git clone https://github.com/ultralytics/ultralytics.git 
pip install -e .

2、下载安装Torch