Knowledge Distillation Summary

最近看了幾篇KD方法用于模型壓縮的文章,現總結如下:

  • Knowledge Distillation 最先由 Hinton 提出的祥得,大意是說:小模型在分類的時候兔沃,光用訓練集里的 one-hot label 不好,因為這種標注把類別間的關系割裂開了级及。而如果讓小模型跟著大模型輸出的概率分布去學的話乒疏,就相當于給出了類別之間的相似性信息,提供了額外的監(jiān)督信號饮焦,因此學起來更容易怕吴。比如說識別手寫數字窍侧,同時標簽為 3 的圖片,可能有的比較像 8转绷,有的比較像2伟件,one-hot labels 區(qū)分不出來這個信息,但是一個 well-trained 大模型可以給出议经。因此斧账,修改一下損失函數,讓小模型在擬合訓練數據的 ground truth labels 的同時煞肾,也要擬合大模型輸出的概率分布咧织。這個方法叫做 KD Training (Knowledge Distillation Training)。
  • 后來 Romero 又提出了 FitNet籍救,大意是說:直接讓小模型在輸出端模仿大模型习绢,這個對于小模型來說太難了,模型越深越難訓蝙昙,最后一層的監(jiān)督信號要傳到前面去還是挺難的闪萄。解決方案就是說,不如在中間加一些監(jiān)督信號奇颠。于是訓練的方法就是所謂的 hint training败去,把網絡中間的輸出也拿出來,讓大模型和小模型中間層的輸出也要盡量接近大刊,讓小模型去學習大模型做預測時的中間步驟。實際做的時候是用兩階段法:先用 hint training 去 pretrain 小模型前半部分的參數三椿,再用 KD Training 去訓練全體參數缺菌。
  • Sergey在ICLR‘17上發(fā)表了一篇文章,他將NLP里面的Attention機制也引入到KD方法中搜锰。具體做法是student網絡不僅模仿teacher網絡softmax輸出伴郁,也模仿teacher網絡的feature map中的attention map蛋叼,attention map的獲取方法并不是唯一的焊傅,文中的做法是將網絡的feature map取絕對值。
  • 圖森的王乃巖今年也出了兩篇用KD思想做網絡壓縮的文章狈涮,其中一篇和Sergey的引入attention的做法十分類似狐胎,只不過在論文中作者換了個名詞“Neuron Selectivity Transfer”,就是模仿teacher網絡中的神經元激活值比較大的區(qū)域歌馍,但是并沒有對feature map取絕對值握巢,而是直接用子網絡mimic母網絡的feature map;另一篇文章“DarkRank”的做法比較新穎松却,作者試圖將teacher網絡中一種特殊的知識遷移到student網絡中暴浦,文中叫“Cross Sample Similarities”溅话,意思是說如果有N個樣本,它們在student網絡中提取的特征之間的相似性大小要和這些樣本在teacher網絡中保持一致歌焦。

References:
https://www.zhihu.com/question/63942461

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末飞几,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子独撇,更是在濱河造成了極大的恐慌屑墨,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,402評論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件券勺,死亡現場離奇詭異绪钥,居然都是意外死亡,警方通過查閱死者的電腦和手機关炼,發(fā)現死者居然都...
    沈念sama閱讀 92,377評論 3 392
  • 文/潘曉璐 我一進店門程腹,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人儒拂,你說我怎么就攤上這事寸潦。” “怎么了社痛?”我有些...
    開封第一講書人閱讀 162,483評論 0 353
  • 文/不壞的土叔 我叫張陵见转,是天一觀的道長。 經常有香客問我蒜哀,道長斩箫,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,165評論 1 292
  • 正文 為了忘掉前任撵儿,我火速辦了婚禮乘客,結果婚禮上,老公的妹妹穿的比我還像新娘淀歇。我一直安慰自己易核,他們只是感情好,可當我...
    茶點故事閱讀 67,176評論 6 388
  • 文/花漫 我一把揭開白布浪默。 她就那樣靜靜地躺著牡直,像睡著了一般。 火紅的嫁衣襯著肌膚如雪纳决。 梳的紋絲不亂的頭發(fā)上碰逸,一...
    開封第一講書人閱讀 51,146評論 1 297
  • 那天,我揣著相機與錄音阔加,去河邊找鬼花竞。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的约急。 我是一名探鬼主播零远,決...
    沈念sama閱讀 40,032評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼厌蔽!你這毒婦竟也來了牵辣?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 38,896評論 0 274
  • 序言:老撾萬榮一對情侶失蹤奴饮,失蹤者是張志新(化名)和其女友劉穎纬向,沒想到半個月后,有當地人在樹林里發(fā)現了一具尸體戴卜,經...
    沈念sama閱讀 45,311評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡逾条,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,536評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現自己被綠了投剥。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片师脂。...
    茶點故事閱讀 39,696評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖江锨,靈堂內的尸體忽然破棺而出吃警,到底是詐尸還是另有隱情,我是刑警寧澤啄育,帶...
    沈念sama閱讀 35,413評論 5 343
  • 正文 年R本政府宣布酌心,位于F島的核電站,受9級特大地震影響挑豌,放射性物質發(fā)生泄漏安券。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,008評論 3 325
  • 文/蒙蒙 一氓英、第九天 我趴在偏房一處隱蔽的房頂上張望侯勉。 院中可真熱鬧,春花似錦债蓝、人聲如沸壳鹤。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至余舶,卻和暖如春啊鸭,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背匿值。 一陣腳步聲響...
    開封第一講書人閱讀 32,815評論 1 269
  • 我被黑心中介騙來泰國打工赠制, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 47,698評論 2 368
  • 正文 我出身青樓钟些,卻偏偏與公主長得像烟号,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子政恍,可洞房花燭夜當晚...
    茶點故事閱讀 44,592評論 2 353

推薦閱讀更多精彩內容