简介
蒸馏算法分为多种，基于特征、logit以及基于关系的三种
1 logit蒸馏
1.1 开山之作
论文名称：Distilling the Knowledge in a Neural Network Hilton 2015
提出了标签温度的概念，温度T越高，标签越soft
具体步骤：
1）在T=1时训练教师网络
2）在高温下用teancher softmax输出的概率作为soft label，与GT的hard label进行融合训练
hard损失使用交叉熵损失，soft损失使用KL散度损失，二者都是衡量两个分布间差异的函数，但是KL散度能保证soft label下的loss为零，交叉熵计算简单，适用于one-hot标签（具体可参考公式）
2 特征蒸馏
在深度卷积神经网络中，网络学习到的知识是分层的，从浅到深层对应的知识抽象程度越来越高。因此中间层的特征也可以作为知识的载体，供学生网络进行学习。基于特征的知识迁移可以建模为：
其中FAI表示一个转换函数，因为教师网络和学生网络的特征层可能出现尺寸不匹配的情况，所以需要转换。LF表示用于匹配教师网络和学生网络的相似度计算函数，特征计算
一般而言，在基于特征的知识迁移中，研究的对象包括了：
如何需选择知识类型？特征图、注意力图、gram矩阵或其他
如何选择教师层和学生层？简单的一对一匹配，自适应通过注意力匹配。
如何弥补教师网络与学生网络之间的GAP
？如果容量相差过大，可能会导致学习效果变差。
2.1 代表论文A Comprehensive Overhaul of Feature Distillation
以fastreid代码为例，在reid中试验resnet50蒸馏，resnet18，resnet50是训练好的网络，主要是训练18，训练18的时候，除了正常的loss外，还有个蒸馏的loss，就是两个网络特征间的差异loss(L2loss或mseloss)，训练过程中50仅用来推理，取特定层的特征。Res网络都有四次降采样的大模块，在每个降采样的模块中BN之后，relu之前把特征取出来，学生网络即18，要把对应的relu换成margin relu，为了更好的学习特征，并且舍弃学习一些没意义的负值。
模型剪枝
利用BN层 Network Slimming-Learning Efficient Convolutional Networks through Network Slimming
主要思路
1、利用batch normalization中的缩放因子γ 作为重要性因子，即γ越小，所对应的channel不太重要，就可以裁剪（pruning）。
2、约束γ的大小，在目标方程中增加一个关于γ的L1正则项，使其稀疏化，这样可以做到在训练中自动剪枝
参考链接
添加链接描述