问题描述
我是一位正在研究计算机视觉几个月的老师。当我能够使用Detectron2的Faster R-CNN模型训练我的第一个物体检测模型时，我感到非常兴奋。它就像一个魅力！超级酷！
但是问题是，为了提高准确性，我在模型动物园中使用了the largest model。
现在，我想将其部署为人们可以用来减轻工作负担的工具。但是，该模型是如此之大，以至于需要10秒钟才能推断出我的cpu上的单个图像Intel i7-8750h。
因此，即使在常规的云服务器上也很难部署此模型。我需要使用价格昂贵的GPU服务器或最新型号的cpu服务器，并且不确定是否可以补偿几个月的服务器费用。
我需要使其更小，更快地进行部署。
所以，昨天我发现有些东西像修剪模型！我非常激动（因为我不是计算机或数据科学家，所以不要怪我（（（（：）
我读过official pruning documentation of PyTorch，但我很难理解。
我发现最简单的方法是进行全局修剪。 
但是问题是，我不知道应该向修剪中写入哪些参数。
就像我说的那样，我使用了Faster R-CNN X-101模型。我将其作为“ model_final.pth ”。它使用Base RCNN FPN.yaml，其元架构为“ GeneralizedRCNN”。
这似乎很容易配置。但是就像我说的那样，因为这不是我的领域，所以对于像我这样的人来说很难。
如果您能逐步帮助我，我会很高兴。
我离开了我用来训练模型的cfg.yaml，并用"dump"方法将其保存在Detectron2 config类中，以防万一。这是Drive link.
非常感谢您。
解决方法
所以我想，您正在尝试优化推理时间并实现令人满意的准确性。如果不了解有关对象类型，训练大小，图像大小的详细信息，将很难提供建议。但是，您知道ML项目开发是一个反复的过程，您可以查看下一页并检查推断和准确性。
我建议您尝试使用R50-FPN主干网，看看您的准确性如何。然后，您将更好地了解下一步该怎么做。