1. 简介
Knowledge distillation-知识蒸馏(暗知识提取)的概念,通过引入与教师网络(teacher network:复杂、但推理性能优越)相关的软目标(soft-target)作为total loss的一部分,以诱导学生网络(student network:精简、低复杂度)的训练,实现知识迁移(knowledge transfer)。
教师网络teacher:高准确率,但模型很大。
学生网络student:模型小,可以在有限资源下使用。
本文参考2019年《WELL-READ STUDENTS LEARN BETTER: ON THE IMPORTANCE OF PRE-TRAINING COMPACT MODELS》。描述了在NLP方面,Distillation有助于提升模型表现,比传统的pre-training+fine-tuning方法好。这样在实际应用中,我们就可以用非常小的student网络取得很好的表现。
各模型介绍:
我们实验发现PD(Pre-trained Distillation)好于pre-training+fine-tuning (PF)。揭示了Distillation 的好处。PD如下图:
实验结果如下图:PD最好,其次是PF。Basic training(只是基于有label的数据训练)最差。Distillation(蒸馏)基于Unlabeled transfer data进行训练。