YOLOv8的特征蒸馏代码应用讲解（CWD/MGD/mimic/在线蒸馏/逻辑蒸馏）

一、环境配置
首先yolov8工程要能在本地跑通，此处不做介绍，网络上很详细。
二、训练教师和学生模型
本文data以coco128数据为例，也可以配置为自定义数据集；在数据集上训练一个效果比较好的教师模型，然后用教师模型去蒸馏学生模型。
model_t：载入教师模型的预训练权重
本文以yolov8l为教师模型，以yolov8n为学生模型，进行训练。
三、蒸馏训练
将已经训练好的教师模型model_t的知识迁移到学生模型model_s上，从而提升学生模型的性能。

import torch
import pdb
from ultralytics import YOLO

import os  

os.environ["WANDB_API_KEY"] = "b002bccf3115458ea20c83fb51ff5f0b1d67e34"
os