知识蒸馏

1.概念介绍

知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息，来训练这个小模型

大模型： Teacher model 小模型：Student model

Teacher model 输出的知识（knowledge) Student model 学习来自Teacher的监督的信息的过程–> Distillation(蒸馏)

2.种类

1.离线蒸馏：

Teacher model has pre-trained,Teacher模型的参数在蒸馏训练过程中保持不变，达到训练student模型的目的。

蒸馏的损失函数：distillation loss 计算 Teacher and student loss and student loss—>Loss

2.半监督蒸馏

利用Teacher模型的预测信息作为标签，来对student网络进行监督学习。

使用更少标注量的数据集，达到提升模型精度的目的

3.自监督蒸馏：

先开始训练student模型，在整个训练过程的最后几个epoch的时候，利用前面训练的student作为监督模型，在剩下的epoch中，对模型进行蒸馏。

3.知识蒸馏的功能

1.提升模型精度

2.压缩网络参数

3.图片标签之间的域迁移

4.降低标注量（半监督的方式）