AAAI 2023 | 动态温度超参蒸馏新方法|aaai|coco|实验|梯度|蒸馏|超参

在蒸馏任务里，能不能让网络自己学习一个适合的动态温度超参进行蒸馏，并且参考课程学习，形成一个蒸馏难度由易到难的情况？基于此，本文提出了简单且高效的动态温度超参蒸馏新方法CTKD。

论文链接： https://arxiv.org/abs/2211.16231 开源代码： https://github.com/zhengli97/CTKD

一、背景问题

目前已有的蒸馏方法中，都会采用带有温度超参的KL Divergence Loss进行计算，从而在教师模型和学生模型之间进行蒸馏，公式如下：

其中，温度超参的大小控制了两个预测结果和的平滑程度，决定了两个概率分布间的距离，越大( )，就会使得概率分布越平滑(soft)，越小()，越接近0，会使得概率分布越尖锐(sharp)。的大小影响着蒸馏中学生模型学习的难度，不同的会产生不同的蒸馏结果。

而现有工作普遍的方式都是采用固定的温度超参，一般会设定成4。

那么这就带来了两个问题：

不同的教师学生模型在KD过程中最优超参不一定是4。如果要找到这个最佳超参，需要进行暴力搜索，会带来大量的计算，整个过程非常低效。
一直保持静态固定的温度超参对学生模型来说不是最优的。基于课程学习的思想，人类在学习过程中都是由简单到困难的学习知识。那么在蒸馏的过程中，我们也会希望模型一开始蒸馏是让学生容易学习的，然后难度再增加。难度是一直动态变化的。

于是一个自然而然的想法就冒了出来：

在蒸馏任务里，能不能让网络自己学习一个适合的动态温度超参进行蒸馏，并且参考课程学习，形成一个蒸馏难度由易到难的情况？

于是我们就提出了CTKD来实现这个想法。

二、方法

既然温度超参τ可以在蒸馏里决定两个分布之间的KL Divergence，进而影响模型的学习，那我们就可以通过让网络自动学习一个合适的来达到以上的目的。

于是以上具体问题就直接可以转化成以下的核心思想：

在蒸馏过程里，学生网络被训练去最小化KL loss的情况下，作为一个可学习的参数，要被训练去最大化KL loss，从而发挥对抗(Adversarial)的作用，增加训练的难度。随着训练的进行，对抗的作用要不断增加，达到课程学习的效果。

以上的实现可以直接利用一个非常简单的操作：利用梯度反向层GRL (Gradient Reversal Layer)来去反向可学习超参的梯度，就可以非常直接达到对抗的效果，同时随着训练的进行，不断增加反向梯度的权重，进而增加学习的难度。

CTKD的论文的结构图如下：

Fig.1 CTKD网络结构图

CTKD方法可以简单分为左右两个部分：

1. 对抗温度超参的学习部分。