0.知识蒸馏（模型压缩的一种方法）

将一个参数多的大模型蒸馏成参数少的小模型，预测结果相同。

1.蒸馏

去掉杂质，变成蒸馏水（更纯净）

2.为什么要蒸馏

老师网络大，将老师的知识迁移到学生（蒸馏），学生的网络结构小

知识蒸馏在神经网络中的图示

终端设备算力有限，教师网络结构太大，所以将学生模型部署到设备

大模型的参数变化近年

轻量化网络的方法分类

3.知识的表示与迁移

输入马的图片，输出的类别

硬标签：缺点是得出驴和汽车的概率均为0，这是不科学的
软标签：给出了三个类别的概率，马和驴的概率较高，说明两者相似度高，马和汽车概率差异大，说明两者相似度低。
通过硬标签对教师网络进行训练，得出软标签，然后用软标签训练学生网络，就可以得到更多的信息。

手写数字的例子

硬标签会将它有多像谁、多不像谁的信息给丢掉了，而软标签保留了这些信息。

4.蒸馏温度T

T越高，越柔和

知识蒸馏的计算实例

5.知识蒸馏过程

教师网络是已经训练好的网络，学生网络是还没训练的网络（只进行了初始化）
distillaton loss ：就是老师教学生马和驴之间有什么区别，马和汽车之间有什么区别，驴和汽车之间有什么区别。
student loss：相当于直接看答案，不告诉你类别之间的区别。

蒸馏好的学生模型在预测时不需要温度，即令T=1

6.知识蒸馏的应用场景

少样本、零样本：即使你没有见过“3”，但老师会告诉你什么是“3”
无限大、无监督数据集：将这些数据交给教师网络，教师网络得出结果，然后教师会交学生如何得出相应的结果。
迁移学习：将预测CT图像的模型，应用到预测动物图像。
知识蒸馏：将一个大型模型的知识迁移到一个小型模型上。

7.知识蒸馏背后的机理

见解1：
教师网络的求解空间是绿色框，学生求解空间是蓝色框
教师网络训练的结果收敛到红色框
没有经过蒸馏的学生网络训练的结果收敛到黄色框
经过蒸馏的学生网络，会在教师网络的引导下训练结果收敛到橙色框

见解2：大模型包含的知识（特征）比较冗余，知识蒸馏就是将有用的知识（特征）进行迁移、泛化，最后小模型的预测结果和大模型非常相似。

8.为什么用soft targets 而不用 label smoothing?

lael smoothing ：除了最高概率，其余均赋值一个常数，这样就丢失了相似性的信息

label smoothing 例子

9.知识蒸馏的研究方向

多个教师一个学生

多模态：图像数据、语音数据等混合类型的数据组成

分类：
基于输出的知识蒸馏
基于响应（特征）的知识蒸馏
基于关系的知识蒸馏（不同层之间的关系）

三种分类的图示

基于关系的知识蒸馏图示：
学生的第一层学习老师的第二层
学生的第二层学习老师的第五层

离线蒸馏、在线蒸馏、自蒸馏等范式

10.知识蒸馏代码库

11.扩展阅读整理