`step1_train()`：加载预训练模型并开始训练。- `step2_Constraint_train()`：在约束条件下进行训练，例如可能涉及到正则化或其他约束条件。- `step3_pruning()`：使用自定义的`do_pruning`函数对模型进行剪枝，以减少模型的复杂度。- `step4_finetune()`：微调剪枝后的模型。

从上到下遍历，建立一个dfs（u, v, length），u为v的父节点，v为u的子节点，length以父节点为最后一个节点的序列长度（初始长度为1）如果子节点刚好比父节点大1，那么length + 1，反之，length = 1。题解中提出一种思路可以同时进行dfs，只用把所有节点遍历一遍。但是这样需要两个dfs分别进行，那么时间复杂度就上去了。开始想着dfs，两种情况。2.不以root为根。再

OpenDM05-Memory 的目标不是重新实现一套 DM0.5，而是在官方 OpenDM 基础上，补齐视觉 Memory 训练最容易缺失的工程环节：LeRobot 2.1 / 3.0 数据转换；episode 级 JSONL 构建；历史视觉采样；多视频稀疏读取；Memory Token 注入；固定槽位 Mask；可复现训练参数；RoboDojo Memory 任务结果说明；权重、数据和隐私信息

服务器CUDA Version: 12.2。

只需要把文件中.pt文件读取，重写一遍保存，就能和原来大小一致。经过仔细调查，发现是保存的模型中多了很多数据。

本文在官方yolov8.2的基础上进行剪枝。

yolov8_蒸馏使用不妨加个关注，后续还会加入Vit（vision transformer），替换loss等提升精度的方法。

服务器CUDA Version: 12.2。

只需要把文件中.pt文件读取，重写一遍保存，就能和原来大小一致。经过仔细调查，发现是保存的模型中多了很多数据。

本文在官方yolov8.2的基础上进行剪枝。