关于teacherstudent net的理解

标签：hint   sem   类别   多个   通用   efficient   文章   ber   teacher   

teacher student net

顾名思义：就是老师和学生的网络，也就是老师训练好，然后教学生去怎么训练

这里着重介绍两篇论文，

第一篇是hinton的paper:Distilling the Knowledge in a Neural Network

第二篇是阿里的一个paper:Rocket Launching: A Universal and Efficient Framework for Training Well-performing Light Net\

首先讲第一篇paper的思路：

这篇文章主要是两个contribution:

 1 提出了一个knowledge distilling 的过程，也就是知识蒸馏，具体的思路先训练一个大的精准的网络，然后让这个大的网络去教这个小的网络怎么学习

２提出一种新的集成模型(esemble of models)，包括一个通用模型（Generalist Model）和多个专用模型（Specialist Models），其中，专用模型用来对那些通用模型无法区分的细粒度（Fine-grained）类别的图像进行区分

１先介绍几个名词：

hard targets:标签(0,1,0,1,1.......)

soft targets:经过softmax的结果(0.99,0.01,0.02,0.98......)，并且这个softmax的结果还可以进一步soft,

　　１什么是进一步soft

        2 为什么能进一步soft

流程：

1 先用一个大的网络(cumber)也就是复杂的网络去做分类,标签是hard target(1,0,1,0)也就是正常的学习

２再用一个小的网络，标签是

关于teacherstudent net的理解

标签：hint   sem   类别   多个   通用   efficient   文章   ber   teacher   

原文地址：https://www.cnblogs.com/lllcccddd/p/10651236.html