🔑 名詞卡

模型剪枝（Pruning）

🎯 定義

透過移除神經網路中影響較小、貢獻度低的權重或神經元，達到減少模型大小與提升計算效率目的的模型壓縮技術。

重點／應用

類型	說明	硬體整合
結構化剪枝（Structured Pruning）	移除整個神經元、卷積通道或層級	較容易與硬體加速器整合
非結構化剪枝（Unstructured Pruning）	移除零散的單一權重參數	模型稀疏化，但硬體支援較差

常見問題：剪枝過度可能導致準確度明顯下降；非結構化稀疏矩陣的硬體支援有限，實際效益可能不如預期。

「剪掉沒用的神經連結，就像修剪過密的樹枝讓樹更精簡」。

📖 課文原文
「模型剪枝（Pruning）是透過移除神經網路中影響較小、貢獻度低的權重或神經元，達到減少模型大小與提升計算效率的目的。」