نسبة تقليم النموذج

الخطوة 1: فهم مفهوم تقليم النموذج. تقليم النموذج هو عملية إزالة المعاملات غير المهمة من الشبكة العصبية لتقليل حجم النموذج وتسريع الاستدلال دون التضحية كثيرًا بالدقة. يتم حساب نسبة تقليم النموذج (نسبة التخلخل) بقسمة عدد المعاملات التي تمت إزالتها على عدد المعاملات الأصلية، معبرًا عنها كنسبة مئوية. على سبيل المثال، إذا كان النموذج الأصلي يحتوي على 10 ملايين معامل وبعد التقليم أصبح 7 ملايين، فإن نسبة التقليم هي (10-7)/10 = 30%.

الخطوة 2: إدخال عدد المعاملات الأصلية (Original Parameters). هذا هو العدد الإجمالي للأوزان والتحيزات في النموذج قبل أي تقليم. يجب أن يكون رقمًا موجبًا، بالكسور العشرية عند الحاجة لأن الوحدة هنا هي الملايين: 25.6 مليون (= 25,600,000 معاملًا) رقم صحيح من المعاملات وإن لم يكن صحيحًا بالآحاد. كلما زاد هذا الرقم، زادت إمكانية التقليم. على سبيل المثال، في نموذج ResNet-50، يكون عدد المعاملات حوالي 25.6 مليون.

الخطوة 3: إدخال عدد المعاملات بعد التقليم (Pruned Parameters). هذا هو العدد المتبقي من المعاملات بعد تطبيق التقليم. يجب أن يكون أقل من أو يساوي العدد الأصلي. يتم تحديد هذا الرقم بناءً على استراتيجية التقليم المستخدمة، مثل تقليم العتبة أو التقليم الهيكلي. على سبيل المثال، بعد تقليم 30% من معاملات ResNet-50، يصبح العدد حوالي 17.9 مليون.

الخطوة 4: حساب نسبة التقليم. تقوم الحاسبة تلقائيًا بتطبيق الصيغة: نسبة التقليم = ((المعاملات الأصلية - المعاملات بعد التقليم) / المعاملات الأصلية) × 100%. والنتيجة هي قيمة مئوية تتراوح بين 0% (بدون تقليم) و100% (إزالة جميع المعاملات). يُشار إلى هذه النسبة أيضًا بدرجة التخلخل (Sparsity Ratio). على سبيل المثال، إذا كان المدخلان 25.6 مليون و17.9 مليون، تكون النسبة (25.6-17.9)/25.6 × 100% ≈ 30.1%.

الخطوة 5: تفسير النتيجة. نسبة التقليم العالية (مثل >90%) تعني نموذجًا أصغر حجمًا وأسرع في الاستدلال، لكنها قد تؤدي إلى فقدان دقة كبير. النسبة المنخفضة (مثل <30%) تحتفظ بالدقة ولكن بفوائد أقل في الأداء. يُستخدم هذا المقياس لتحقيق توازن بين حجم النموذج ودقته. في الممارسة العملية، يجب التحقق من أداء النموذج بعد التقليم لإيجاد النسبة المثلى.