解答：
②プルーニング
理由: プルーニング（Pruning）は、ディープラーニングモデルの軽量化手法の一つで、ノード間の重みが小さい箇所の接続を削除したり、特定のノード自身を削除したりすることでモデルのパラメータ数を減らし、計算量を削減する方法です。これにより、モデルのサイズが小さくなり、計算リソースの効率が向上します。
その他の選択肢について：
- 正則化：モデルの過学習を防ぐために、損失関数にペナルティ項を追加する手法です。モデルの軽量化を直接目指すものではありません。
- 量子化：モデルのパラメータを低精度の数値（例えば、32ビット浮動小数点を8ビット整数に変換）に置き換えることで、計算量とメモリ使用量を削減する手法です。
- 蒸留：大規模なモデル（教師モデル）の知識を小規模なモデル（生徒モデル）に伝達することで、小さなモデルの性能を向上させる手法です。
