在终端设备上部署模型时，常需要先压缩网络规模。现给定一批样本矩阵 X（n 行 d 列）、一层线性分类器的权重矩阵 W（d 行 c 列），以及剪枝比例 ratio。请对 W 进行“按行剪枝”（即移除整行，对应丢弃一个输入特征），然后用剪枝后的模型对每个样本做预测，输出每行样本的预测类别索引（从 0 开始）。 任务要求 · 剪枝指标：对 W 的每一行计算 L1 范数（该行各元素绝对值之和）。L1 越小，越不重要。 · 剪枝行数：k = floor(ratio × d)。若 ratio > 0 且 floor(ratio × d) = 0，则令 k = 1（至少剪 1 行）。 · 剪枝规则：移除 L1 范数最小的 k 行，得到新权重 W'（形状为 (d−k) × c）。 · 特征对齐：将 X 中与被移除行同索引的列一并删除，得到 X'（形状为 n × (d−k)）。 · 线性输出：h = X' × W'，得到大小为 n × c 的分数矩阵。 · 稳定 Softmax：对 h 的每一行 i，先减去该行最大值，再做 softmax，得到概率分布 y_i。softmax 仅用于说明稳定做法；最终类别索引与直接对 h 行取最大位置相同。 · 预测结果：对每行取 argmax（若有并列则取最左的列索引），输出为一行，用空格分隔各样本类别索引。
· 第一行：三个整数 n d c。 · 接着 n 行：每行 d 个浮点数，构成矩阵 X。 · 接着 d 行：每行 c 个浮点数，构成矩阵 W。 · 最后一行：一个浮点数 ratio（0 <= ratio <= 1.0）。
· 一行，输出 n 个整数，空格分隔，为每个样本的预测类别索引。
3 3 2 1 0 0 0 1 0 0 0 1 2 1 0 -1 -2 3 0.33
0 0 1
考点：模拟
限制 1 秒 / 256MB ｜ 标准输入输出
推荐方向：模拟
本题切入点
按 L1 范数从小到大剪掉 k = floor(ratio×d) 行（ratio>0 但结果为 0 时保底剪 1 行），同步删除 X 的对应列，再做线性输出与 argmax 取类别。
不涉及复杂算法，把题目描述的流程原样翻译成代码逐步执行即可。
思路框架（模拟 通法 · 非本题专属）
实现要点：结构上通常是一个外层循环包住若干 if/else 分支；只要状态定义清楚，正确率很高。
复杂度：时间 O(操作次数) ｜ 空间 O(状态数)
该范式的通法易错点
样例 1：输入 3 3 2 / 1 0 0 / 0 1 0 / 0 0 1 / 2 1 / 0 -1 / -2 3 / 0.33 → 输出 0 0 1
d=3，ratio=0.33 → floor(0.33×3)=0，但 ratio>0，因此 k=1；
W 的行 L1：row1=3，row2=1，row3=5 → 移除 row2；
删除 X 的第 2 列，得到 X'；W 删除对应行得到 W'；
计算 h=X'W' 后逐行取最大位置，得到预测 0 0 1。
解析由校招宝本地引擎整理（依据源站考点标签 / 人工判题标注 / 题面规模信号），非官方题解，仅供思路参考。
本题来源：2025年秋招-华为-12月3号AI岗。