贡献

提出 知识蒸馏（Knowledge Distillation） 方法，从大模型中学习到的知识中学习有用信息来训练小模型，在保证性能的前提下进行 模型压缩
提出一种新的 集成模型 方法，包括通用模型和多个专用模型，其中，专用模型用来对通用模型无法区分的细粒度（Fine-grained）类别图像进行分类

Knowledge Distilling

img

cumbersome model：复杂的大模型
distilled model：蒸馏得到的小模型
hard target：输入数据所对应的label [0,0,1,0]
soft target：softmax层得到的输出 [0.01,0.02,0.98,0.17]
Softmax in distillation: img 其中 温度系数 T 表示输出概率的soft程度

实验流程

使用一个较大的 T （例如 T=1） 和 Hard target 训练一个大模型，生产 Soft target
使用 Soft target 训练一个简单的小模型（distilled model）
Distilled model 的Cost Function由以下两项加权平均组成：
- Soft target和小模型的输出数据的交叉熵（保证小模型和大模型的结果一致性）
- Hard target和大模型的输出数据的交叉熵（保证小模型的结果与实际类别标签一致性）
- img

Training Ensemble Model

当数据集非常巨大以及模型非常复杂时，训练多个模型所需要的资源是难以想象的，因此提出一种新的集成模型方法，包括：

一个 Generalist model ：使用全部数据进行训练
多个 Specialist models ：对某些易混淆的类别进行专门训练的专有模型

Specialist models 的训练集中，一半是初始训练集中某些特定类别的子集（special subset），另一半由剩余初始训练集中随机采样组成。

在该方法中，只有 generalist model 耗时较长，剩余的 specialist model 由于训练数据较少，且相互独立，可以并行训练，因此整体运算量少了非常多。

但是，specialist model由于只使用特定类别的数据进行训练，因此模型对别的类别的判断能力几乎为0，导致非常容易过拟合，我们可以采用如下方法来解决：

当 specialist model 通过 hard targets 训练完成后，再使用由 generalist model 生成的 soft targets 进行 fine-tune，这样做是因为 soft targets 保留了一些对于其他类别数据的信息，因此模型可以在原来基础上学到更多知识，有效避免了过拟合

img

实验流程

训练一个复杂的网络（N1）
使用数据train N1网络并得到（M1）
根据复杂网络设计一个简单网络（N0）
将M1 softmax 设T=20 预测数据得到 soft target
soft target 和 hard target加权得出Target （推荐0.1:0.9）
使用 $label = Target$ 的数据集训练N0（T=20）得到 M0
设T=1，M0 模型为我们得到的训练好的精简模型

Reference

Distilling the Knowledge in a Neural Network 论文笔记 https://blog.csdn.net/zjc8888888888/article/details/80641751
论文解读：Distilling the Knowledge in a Neural Network https://www.jianshu.com/p/4893122112fa
Distilling the Knowledge in a Neural Network