知识蒸馏是模型压缩的一个重要方法，本文简要介绍了什么是知识蒸馏。
知识蒸馏Knowledge Distillation
1.什么是知识蒸馏
我浅谈一些我的看法，详细内容可以参考这篇文章
[https://zhuanlan.zhihu.com/p/90049906]
简单来说，就是我们一般训练模型时，可能为了有一个好的效果，就会加大网络深度，或者用一些复杂的网络，这样参数量就会好大…那么这么一个模型怎么弄到移动端呢？怎么能使得运行速度实时呢？
所以人们提出搞模型压缩！
知识蒸馏就是一类模型压缩方法，先训练大模型，再去引导做一个小模型。
它是怎么干的呢？
大模型会训练出一系列的softmax概率值，这样，原来我们需要让新模型的softmax分布与真实标签匹配，现在只需要让新模型与原模型在给定输入下的softmax分布匹配了。直观来看，后者比前者具有这样一个优势：经过训练后的原模型，其softmax分布包含有一定的知识——真实标签只能告诉我们，某个图像样本是一辆宝马，不是一辆垃圾车，也不是一颗萝卜；而经过训练的softmax可能会告诉我们，它最可能是一辆宝马，不大可能是一辆垃圾车，但绝不可能是一颗萝卜。
随后怎么做，简单来说就是可以小模型的概率z要逼近原模型的v，直接用下面损失也可以
2.知识蒸馏怎么做
- 第一步：在训练集上训练好一个大模型A（通常叫做teacher model）
- 第二步：在transfer set（可以和训练集是同一个数据集）上利用大模型A产生给每一个样本生成一个soft target（有利用一个temperature参数对logits进行平滑）
- 第三步：在transfer set上对student model B进行训练，损失函数由两部分组成，都是交叉熵损失，只不过一个是拟合soft target，另外一个是拟合ground truth的hard target(如二分类中的0和1)，其中在拟合hard target的损失函数和普通分类损失保持一致，在拟合soft target的损失函数时也利用了一个同样的temperature参数T
- 第四步：保留student model进行线上预测，这个时候去掉soft target那一路，只保留普通分类的softmax
参考文献
[1]Distilling the Knowledge in a Neural Network论文笔记
https://zhuanlan.zhihu.com/p/74901192
[2]知识蒸馏是什么？一份入门随笔
https://zhuanlan.zhihu.com/p/90049906
