pytorch后训练剪枝应使用torch.nn.utils.prune而非torch.ao.quantization；前者通过掩码实现稀疏化，支持非结构化与手动结构化剪枝，后者仅用于量化。
PyTorch后训练剪枝用 torch.nn.utils.prune 还是 torch.ao.quantization？
后训练剪枝（Post-Training Pruning）不依赖反向传播，只靠校准数据前向推理来评估重要性，因此和量化一样属于部署前优化手段。但别混淆：torch.ao.quantization 专用于量化（int8/fp16），不处理稀疏性；真正做剪枝的是 torch.nn.utils.prune 模块——它直接操作 nn.Module 的权重属性，插入稀疏掩码（mask），不改模型结构。
注意：PyTorch 1.12+ 把剪枝工具从 torch.nn.utils 移到了 torch.nn.utils.prune，旧文档里写的 prune.random_unstructured 等函数名没变，但 import 路径必须更新。
怎么对 Conv2d 或 Linear 层做全局结构化剪枝？
结构化剪枝（如剪整行/整列/整通道）比非结构化（随机置零）更利于硬件加速，但 PyTorch 原生 prune 模块默认只支持非结构化。要实现通道级剪枝（比如剪掉不重要的输出通道），得手动组合：
- 用
prune.ln_structured对每个Conv2d.weight按n=1, dim=0（即按输出通道维度）做 L1-norm 排序剪枝 - 对
BatchNorm2d.weight和bias同步剪相同索引的通道（否则 shape 不匹配） - 剪完后调用
prune.remove永久删除被剪参数（否则推理时仍保留 mask 和零值）
示例关键步骤：
prune.ln_structured(model.layer1.conv1, name='weight', amount=0.3, n=1, dim=0) prune.ln_structured(model.layer1.bn1, name='weight', amount=0.3, n=1, dim=0) prune.remove(model.layer1.conv1, 'weight') prune.remove(model.layer1.bn1, 'weight')
剪枝后模型变慢甚至报错？常见三类陷阱
剪枝不是“设个参数就完事”，实际落地常卡在这几个点：
-
prune默认只修改.weight，但有些层（如ConvTranspose2d）需同时处理.bias，否则 forward 报RuntimeError: mat1 and mat2 shapes cannot be multiplied - 剪枝后的模型无法直接用
torch.jit.trace导出：因为 mask 是动态属性，JIT 不识别；必须先prune.remove再 trace - 全局剪枝（
prune.global_unstructured）容易误伤小权重层（如最后分类层），建议按模块分组控制比例，比如 backbone 剪 40%，head 只剪 10%
验证剪枝效果不能只看稀疏率
prune.total_sparsity(model) 返回的只是零元素占比，和真实推理加速无关。真正要看的是：
- 用
torch.profiler测剪枝前后各层的self_cpu_time_total，尤其关注 conv 层是否下降 - 导出 ONNX 后用
onnxruntime跑 inference，对比 latency 和内存占用（稀疏权重在 CPU 上不一定快，GPU 需配合 cuSPARSE） - 校准数据集上 top-1 准确率下降超过 2% 就得调
amount或换剪枝策略（比如从ln_structured换成random_structured测试鲁棒性）
稀疏模型的权重本质还是 dense tensor，除非你用 torch.sparse 重写 forward，否则不会自动触发稀疏计算路径——这点最容易被忽略。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
