1、用途不同：剪枝版模型常用于在资源受限制的场景下，如移动端应用、嵌入式设备等。半精度版模型常用于深度学习模型，可高幅度减小深度学习模型的大小，节省存储空间，提高计算效率，降低能耗和模型部署所需的成本。

2、精度不同：剪枝版模型剪枝后，准确率会下降（如果排名结果准确的话，下降不会太多），网络通常是训练-剪枝-训练-剪枝迭代恢复的。半精度版模型实现的关键是在减少位数的前提下，尽量保留模型的精度和准确性。