以下提供了剪枝结果最优化建议的列表。通过遵守这些准则，开发者发现剪枝率提高了，精度损失也降到了最低。
- 请尽可能使用更多数据来执行模型分析。理想情况下，应使用确认数据集中的所有数据，但这可能较为耗时。您也可以使用部分确认数据集来确保有至少一半的数据集得到了使用。
- 微调阶段中，请利用少数超参数进行实验，包括初始学习率和学习率衰减策略。使用最佳结果作为下一次迭代的输入。
- 微调中所使用的数据应为用于训练基线模型的原始数据集的子集。
- 如果多次微调实验后，精度并未能显著改善，请尝试缩减剪枝率并重新运行剪枝和微调。