在AI图像处理任务里，训练阶段得到的原始网络通常被称为Full模型，它保留了所有神经元连接与权重。为了适配移动端或嵌入式设备的存储与算力限制，工程师往往会使用剪枝技术得到Pruned模型。这两类模型最核心的差别体现在文件体积和推理产出图像的质量上，理解背后的机理对于落地非常关键。
剪枝原理与Full模型的结构负担
Full模型在训练时为了拟合复杂分布，卷积层或全连接层里大量权重其实贡献极小。以卷积神经网络为例，许多滤波器的响应接近零，却仍参与计算并占用模型文件空间。常见的存储格式如PyTorch的pth或TensorFlow的ckpt，会把每一个参数以浮点数形式写入，导致模型体积随参数量线性增长。
Pruned模型则是通过设定阈值或基于梯度重要性评分，将绝对值过小的权重置零，再采用稀疏存储格式（如CSR、CSC）或结构化剪枝直接移除整个通道。非结构化剪枝保留原拓扑但大量零值可被压缩，结构化剪枝则改变网络宽度。两者都能显著降低体积，但实现方式和硬件加速友好度不同。
下面是一段用PyTorch做非结构化剪枝的简单示例，展示如何把小于阈值的权重归零并统计剩余非零比例：
import torch
import torch.nn as nn
from torch.nn.utils import prune
conv = nn.Conv2d(3, 16, 3, padding=1)
# 按L1范数局部剪枝，稀疏率0.5
prune.l1_unstructured(conv, name='weight', amount=0.5)
# 查看被剪掉的占比
mask = conv.weight_mask
zero_num = (mask == 0).sum().item()
total = mask.numel()
print('剪枝比例:', zero_num / total)
# 移除重新参数化，固化剪枝结果
prune.remove(conv, 'weight')
体积差异的实测数据与格式影响
以图像超分辨率模型ESPCN为例，原始Full模型参数量约四万，导出的fp32文件约一百六十KB。采用百分之五十非结构化剪枝后，若仍存为普通fp32，体积仅略微下降，因为零值也占字节；但改用稀疏格式或转int8量化配合剪枝，体积可降至五十KB以内，压缩率超过百分之六十。结构化剪枝移除一半通道时，直接改写网络定义，体积近乎等比缩小。
不同部署格式对Pruned模型体积利用差别很大。例如使用HDF5或npz直接存稀疏矩阵，能省空间但推理库未必支持；TensorRT的结构化剪枝模型则可在GPU上借层融合进一步提速。下表列出三类处理方式在同类分割模型上的体积表现：
| 处理方式 | 参数量 | 文件体积 | 备注 |
|---|---|---|---|
| Full fp32 | 1.2M | 4.8MB | 原始模型 |
| Pruned非结构化 | 0.6M非零 | 2.1MB | 稀疏存储 |
| Pruned结构化+int8 | 0.6M | 0.7MB | 通道剪枝后量化 |
可以看出，单纯剪枝不配合存储优化，体积收益有限；而结构化剪枝加量化是端侧最常用的瘦身组合。需注意量化会引入额外误差，应与剪枝分步进行并分别评估。
图像质量差异与精度保持策略
质量层面，Pruned模型在图像处理上的退化主要来自高频细节丢失。在超分任务中，Full模型复原的纹理更连贯，Pruned模型在百分之五十稀疏率下PSNR通常降零点三到零点八dB，肉眼在放大后可见轻微模糊。但在语义分割任务里，输出是离散掩码，剪枝对mIoU影响常小于百分之一，视觉差异极小。
为缓解质量下滑，渐进式剪枝比一次性高浓度剪枝更稳：先剪百分之十，微调两 epoch，再剪下一轮。这样权重有适应期，避免重要连接被误删。另外，对残差分支或注意力层降低剪枝率，也能保住关键特征。以下代码片段展示训练循环里如何交替剪枝与微调：
for stage in range(5):
prune.l1_unstructured(conv, name='weight', amount=0.1)
# 微调阶段
for img, label in train_loader:
opt.zero_grad()
loss = criterion(model(img), label)
loss.backward()
opt.step()
prune.remove(conv, 'weight') if stage == 4 else None
实践中还应使用验证集监控SSIM与LPIPS，不只看PSNR。若发现Pruned模型在边缘区域出现伪影，可针对该区域数据做过采样再微调。总体而言，合理剪枝的Pruned模型在体积减半甚至更多时，质量仍满足多数产品标准，是AI图像处理落地的高性价比选择。
部署时的选型建议
面对具体业务，若服务器带宽充足且用GPU批处理，Full模型往往更省心，不必承担剪枝调参成本。但当需求是手机端实时滤镜或摄像头端分割，Pruned模型几乎是必选项。此时建议先以结构化剪枝定网络宽度，再量化，最后用真实场景图集测质量。
另一个易忽略点是推理框架的稀疏支持。部分移动端引擎只加速结构化模型，非结构化剪枝若不被硬件识别，反而因掩码判断变慢。因此选Pruned方案时要核对目标设备算子库，避免体积减了速度却退步。综合体积、质量、延时三者，才能定出合适剪枝率。