Neural network 大型神经网络剪枝

我做了一些神经网络修剪的实验，但只在小模型上。我曾经按照如下方式修剪相关权重（与官方教程中的解释类似）：

这样做的主要问题是，我必须定义一个要修剪的层列表（或元组）。当我手工定义我的模型，并且我知道不同层的名称时（例如，在提供的代码中，我知道所有完全连接的层的名称中都有字符串“layer”）

我如何避免这个过程，并定义一个修剪方法来修剪给定模型的所有参数，而不必按名称调用层

总之，我在寻找一个函数，给定一个模型和一个稀疏常数，全局修剪给定的模型（通过屏蔽它）：

for name,module in model.named_modules():
    if 'layer' in name:
        parameters_to_prune.append((getattr(model, name),'weight'))


prune.global_unstructured(
    parameters_to_prune,
    pruning_method=prune.L1Unstructured,
    amount=sparsity_constant,
    )

model = models.ResNet18()
function_that_prunes(model, sparsity_constant)