PyTorch 上的剪枝工具是 Python 程序包，而不是可执行程序，vai_p_pytorch 可提供三种模型剪枝方法：
迭代剪枝和单步剪枝适合具有传统卷积层的网络，但对于基于逐通道卷积的网络（如，MobileNet-v2），效果并不好。卷积神经网络 (CNN) 通常包含 BatchNormalization（批量归一化）层，对于这些网络，首选单步剪枝，因为这种方法更快且更有效。如果诸如 VGGNet 之类的网络中没有 BatchNormalization 层，那么应使用迭代剪枝。
OFA 对于逐通道卷积和传统卷积都适用。重要的是明确 OFA 理论上是这三种方法中最好的方法，但不一定能轻松获得理想的剪枝结果。结果取决于超网络的训练优度，并且可能需要较长的训练时间和强大的训练技能。
总结，如果网络中有 BatchNormalization 层，请使用单步剪枝。否则，使用迭代剪枝。如果对剪枝结果不满意，那么 OFA 可用作为替代方法。