Размер сокращенной модели такой же, как и у необрезанной модели [PyTorch]

Я пытаюсь реализовать обрезку модели на PyTorch с помощью ResNet18. Учитывая экземпляр ResNet18, я запускаю следующий код, чтобы загрузить предварительно обученную модель, сократить ее и сохранить сокращенную модель:

def random_unstructured_pruning(pruning_rate: float, device, log_file):
    trained_model=retrieve_file(folder = "./models", file_name='trained_model.pth')
    model=ResNet18(num_classes=10, input_channels=1).to(device)
    model.load_state_dict(torch.load(trained_model))
    
    modules_list=filter(lambda x: isinstance(x[1], (nn.Conv2d, nn.Linear, nn.BatchNorm2d)), model.named_modules())
    modules_list = map(lambda x: (x[1], 'weight'), modules_list)
    modules_list=tuple(modules_list)
 
  
    prune.global_unstructured(modules_list, pruning_method=prune.L1Unstructured, amount=0.8)
    for module in modules_list:
        prune.remove(module[0], module[1])
        
        
        
    pruning_rate_str= "{:02d}".format(int(pruning_rate * 10))
    path=f"{model_saving_path}pruned_{pruning_rate_str}.pth"
    # 
    torch.save(model.state_dict(), f"{path}")

В конце приведенной выше функции файл .pth имеет тот же размер, что и файл, который я загружаю в начале, хотя я ожидаю, что он будет меньше, поскольку я сокращаю 80% весов.

Может кто-нибудь объяснить мне, почему это происходит? Что я не так? Спасибо!!

Я думаю, что проблема в части сохранения функции, похоже, я сохраняю всегда одну и ту же модель, которую перезагружаю в начале, и обрезка не эффективна.