PaddleDetection/slim/sensitive 如何分析敏感度信息

[llzhaoshuo]

对yolov3_r50vd_dcn_db_iouaware_obj365_pretrained_coco.yml进行剪枝，在执行到分析敏感度时遇到了一个问题，如何将敏感度信息可视化以及如何确定剪枝率，官网中并没有详细说明。
涉及到剪枝的卷积层如下：
--pruned_params "yolo_block.0.0.0.conv.weights,yolo_block.0.0.1.conv.weights,yolo_block.0.1.0.conv.weights,yolo_block.0.1.1.conv.weights,yolo_block.0.2.conv.weights,yolo_block.0.tip.conv.weights,yolo_block.1.0.0.conv.weights,yolo_block.1.0.1.conv.weights,yolo_block.1.1.0.conv.weights,yolo_block.1.1.1.conv.weights,yolo_block.1.2.conv.weights,yolo_block.1.tip.conv.weights,yolo_block.2.0.0.conv.weights,yolo_block.2.0.1.conv.weights,yolo_block.2.1.0.conv.weights,yolo_block.2.1.1.conv.weights,yolo_block.2.2.conv.weights,yolo_block.2.tip.conv.weights"

官网给的信息如下：
分析敏感度信息
1.可以通过paddleslim.prune.load_sensitivities从文件中加载敏感度信息，并使用Python数据分析工具画图分析。下图展示了MobileNetv1-YOLOv3-VOC模型在VOC数据上的敏感度信息：
通过画图分析，可以确定一组合适的剪裁率
2.通过paddleslim.prune.get_ratios_by_loss获得合适的剪裁率。
官方给定demo：
paddleslim.prune.load_sensitivities
import pickle
from paddleslim.prune import load_sensitivities
sen = {"weight_0":
{0.1: 0.22,
0.2: 0.33
},
"weight_1":
{0.1: 0.21,
0.2: 0.4
}
}
sensitivities_file = "sensitive_api_demo.data"
with open(sensitivities_file, 'w') as f:
pickle.dump(sen, f)
sensitivities = load_sensitivities(sensitivities_file)
print(sensitivities)

我的问题是：
sen = {"weight_0":
{0.1: 0.22,
0.2: 0.33
},
"weight_1":
{0.1: 0.21,
0.2: 0.4
}
}
上面的weight_0和weight_1是什么含义，如何根据卷积层修改

[wanghaoshuang]

sen = {"weight_0":
{0.1: 0.22,
0.2: 0.33
},
"weight_1":
{0.1: 0.21,
0.2: 0.4
}
}
上面的weight_0和weight_1是什么含义，如何根据卷积层修改

sen是存储卷积层敏感度的数据结构，上述例子中的weight_0和weight_1是两个卷积层的参数名称，这里只是一个示例，实际情况下应该是类似yolo_block.0.0.0.conv.weights这种名称。

[wanghaoshuang]

关于敏感度分析，可以参考这里的教程：https://paddleslim.readthedocs.io/zh_CN/latest/tutorials/image_classification_sensitivity_analysis_tutorial.html

[llzhaoshuo]

sen = {"weight_0":
{0.1: 0.22,
0.2: 0.33
},
"weight_1":
{0.1: 0.21,
0.2: 0.4
}
}
上面的weight_0和weight_1是什么含义，如何根据卷积层修改

sen是存储卷积层敏感度的数据结构，上述例子中的weight_0和weight_1是两个卷积层的参数名称，这里只是一个示例，实际情况下应该是类似yolo_block.0.0.0.conv.weights这种名称。

0.1: 0.22,
0.2: 0.33
这些数字是什么含义

[wanghaoshuang]

这些数字是什么含义

可以参考这个API文档，在sensitivity接口的返回值说明中介绍了该数据结构。