不使用prune函数实现对训练好的超分辨率模型剪枝

如果不使用prune函数实现对训练好的超分辨率模型剪枝，可以考虑以下步骤：

1. 训练一个超分辨率模型，获得一个初始的模型；
2. 对模型进行fine-tuning，使用更小的learning rate，让模型更加稳定，保证模型的精度；
3. 对模型进行剪枝，可以使用以下方法：

- 针对每一层，找到其权重矩阵中绝对值最小的一些数，将其设为0，这些数所在的位置即为可以剪枝的位置；
- 对于剪枝后的模型，可以通过fine-tuning来恢复模型的精度，使其在测试集上表现更好。

这种方法的缺点是，需要对每一层进行独立的剪枝，而不能考虑整个网络的结构，可能会出现过多的剪枝导致网络性能大幅下降的问题。因此，使用prune函数进行剪枝是更加优秀的选择。