caffemodel的剪枝压缩（部分权重置0）

# coding:utf-8
# by chen yh

import caffe
import numpy as np
import matplotlib.pyplot as plt

def weight_0（prototxtmodellayerthreshold）:
    caffe.set_mode_gpu（）
    net=caffe.Net（prototxtmodelcaffe.TEST）
    weight = net.params[layer][0].data
    bias = net.params[layer][1].data

    sum_l1=[]
    for i in range（weight.shape[0]）:
        for j in range（weight.shape[1]）:
            sum_l1.append（（ijnp.sum（abs（weight[ij::]））））#i是核的顺序j是每个卷积核与前面某个channel的连接顺序求出每个连接的类似于L1范数的权重和加上ij是为了后续判断weight的时候好直接处理到原weight

    display（sum_l1128）#从小到大排序后打印出前128个L1范数

    l1_plot（sum_l1）#画出L1范数关于out*input的坐标图以确定多少个需要修剪.

    weight_l1 = []
    for i in sum_l1:
        weight_l1.append（i[2]） #得到仅含有l1范数的列表
    for iweight_sum in enumerate（weight_l1）:
        if weight_sum < thresho