剪枝面试题及详细答案.docxVIP

剪枝面试题及详细答案

一、基础必考题（入门级，考察核心认知）

1.请简单说说什么是剪枝？它的核心目的是什么？

答案：剪枝本质上是模型压缩的一种核心手段，通俗讲就是在不显著降低模型精度（或精度下降在可接受范围）的前提下，移除模型中“冗余”的参数、结构（比如神经网络的权重、卷积核，决策树的分支等），让模型更轻量化。

核心目的有三个：一是降低模型部署成本，减少内存占用和计算量，让模型能跑在手机、嵌入式等资源有限的设备上；二是提升模型推理速度，满足实时性需求（比如自动驾驶、实时检测场景）；三是一定程度上缓解过拟合，因为冗余参数可能会记住训练数据中的噪声，移除后模型泛化能力更强。

补充：剪枝不是“盲目删除”，而是有选择地保留对模型性能关键的部分，平衡“模型轻量化”和“性能稳定性”。

2.剪枝主要分为哪几类？请分别简单说明，不用太复杂。

答案：最核心的分类是按“剪枝对象”和“剪枝时机”来分，实际工作中最常用的是这两类划分：

（1）按剪枝对象分：

-权重剪枝（WeightPruning）：最常见的一种，直接删除神经网络中权重值较小的参数（比如接近0的权重），因为这些权重对模型输出的贡献极小，属于冗余。又可细分为“结构化剪枝”（删除整个卷积核、整个通道）和“非结构化剪枝”（删除单个权重值）。

-结构剪枝（StructuralPruning）：比权重剪枝更彻底，直接删除模型中的整个结构