英文：Structured Pruning 分类：frontier
按硬件友好结构（整层、注意力头、通道、神经元组）成块删除参数的剪枝方法：虽压缩率低于非结构化，但能真实加速推理（无需稀疏库）。
粒度：注意力头剪枝（去冗余头）、层剪枝（去冗余层）、通道剪枝（CNN）；方法：重要性评估（幅度/梯度/贡献）→删除→微调恢复；硬件友好：内存连续、算子标准；代表：LLM-Pruner、SparseGPT 结构化版。
用于部署加速（标准算子直接受益）、显存受限场景、端侧模型优化与推理成本控制；结构化剪枝是"删得整齐、跑得快"的压缩方式。