深層学習モデルをスマートフォンや車載機器などのエッジ環境へ実装するための軽量化手法に関する記述として、最も適切なものを1つ選択してください。
出典G検定オリジナル模擬試験
ア
プルーニングは重要度の低い重みをゼロにして削除し、量子化は重みや活性化値のビット精度（FP32からINT8など）を削減し、知識蒸留は大容量の教師モデルの出力を小型の生徒モデルに模倣学習させる手法である。
イ
知識蒸留では、生徒モデルは教師モデルの最終ハードラベル（0か1）のみを学習し、確率分布（ソフトターゲット）は一切参照しない。
ウ
量子化を行うとモデルのメモリフットプリントは増大し、専用アクセラレータでの推論速度は必ず低下する。
エ
プルーニング（枝刈り）を行ったネットワークは、再学習（ファインチューニング）することが原理的に禁止されている。