对于大的数据集，小模型往往很难获得较高的精度；知识蒸馏则是使用大模型指导小模型，使小模型学到大模型包含的知识，从而得到更高的精度。原理网上很多，主要是给softmax加温度实现，这里不赘述，直接讲简单实现。

1. 训练教师模型

教师模型用于仅用于指导小模型，不参与部署，因此在条件允许的情况下，可以选择很大的模型，举个例子：

from torch import nn
from torchvision import models
from torchsummary import summary
# 使用预训练的resnet152, 加载预训练权重
model = models.resnet152(pretrained=True)
# 修改全连接层，改为自己的预测类别数
model.fc = nn.Linear(model.fc.in_features, 10)
summary(model, (3, 224, 224), device="cpu")

然后使用上述模型在自己的数据集上进行微调即可。

2. 训练学生模型

此时的学生模型可以选择很小的模型，使用知识蒸馏比常规训练主要多了以下两个步骤：

2.1 定义损失函数

criteon = nn.CrossEntropyLoss()
t_loss = nn.KLDivLoss(reduction="batchmean")

2.2 加载教师模型

if distilled:
    t_net = models.resnet152().to(device)
    try:
        t_net.load_state_dict(torch.load("./model/resnet152.pth"))
        print("successful")
    except:
        print("failed")

2.3  计算loss

# T是温度，用于削弱softmax，可以自己调
if distilled:
    loss = 0.7 * criteon(logits, target.to(device)) + 0.3 * t_loss(F.log_softmax(logits/T, dim=1),
                                                                      F.softmax(t_logits/T, dim=1))
else:
    loss = criteon(logits, target.to(device))

虽然看原理觉得很有趣，但用mnist、cifar10、cifar100测试并没有感觉有什么用啊。