論文題目：Curriculum Temperature for Knowledge Distillation

論文(AAAI 2023)：https://arxiv.org/abs/2211.16231

開源代碼（歡迎star）：

https://github.com/zhengli97/CTKD

一句話概括：

相對(duì)于靜態(tài)溫度超參蒸餾，本文提出了簡(jiǎn)單且高效的動(dòng)態(tài)溫度超參蒸餾新方法。

背景問(wèn)題：

目前已有的蒸餾方法中，都會(huì)采用帶有溫度超參的KL Divergence Loss進(jìn)行計(jì)算，從而在教師模型和學(xué)生模型之間進(jìn)行蒸餾，公式如下：

而現(xiàn)有工作普遍的方式都是采用固定的溫度超參，一般會(huì)設(shè)定成4。

那么這就帶來(lái)了兩個(gè)問(wèn)題：

1. 不同的教師學(xué)生模型在KD過(guò)程中最優(yōu)超參不一定是4。如果要找到這個(gè)最佳超參，需要進(jìn)行暴力搜索，會(huì)帶來(lái)大量的計(jì)算，整個(gè)過(guò)程非常低效。

2. 一直保持靜態(tài)固定的溫度超參對(duì)學(xué)生模型來(lái)說(shuō)不是最優(yōu)的?；谡n程學(xué)習(xí)的思想，人類在學(xué)習(xí)過(guò)程中都是由簡(jiǎn)單到困難的學(xué)習(xí)知識(shí)。那么在蒸餾的過(guò)程中，我們也會(huì)希望模型一開始蒸餾是讓學(xué)生容易學(xué)習(xí)的，然后難度再增加。難度是一直動(dòng)態(tài)變化的。

于是一個(gè)自然而然的想法就冒了出來(lái)：

在蒸餾任務(wù)里，能不能讓網(wǎng)絡(luò)自己學(xué)習(xí)一個(gè)適合的動(dòng)態(tài)溫度超參進(jìn)行蒸餾，并且參考課程學(xué)習(xí)，形成一個(gè)蒸餾難度由易到難的情況？

于是我們就提出了CTKD來(lái)實(shí)現(xiàn)這個(gè)想法。

方法：

既然溫度超參τ可以在蒸餾里決定兩個(gè)分布之間的KL Divergence，進(jìn)而影響模型的學(xué)習(xí)，那我們就可以通過(guò)讓網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)一個(gè)合適的τ來(lái)達(dá)到以上的目的。

于是以上具體問(wèn)題就直接可以轉(zhuǎn)化成以下的核心思想：

在蒸餾過(guò)程里，學(xué)生網(wǎng)絡(luò)被訓(xùn)練去最小化KL loss的情況下，τ作為一個(gè)可學(xué)習(xí)的參數(shù)，要被訓(xùn)練去最大化KL loss，從而發(fā)揮對(duì)抗(Adversarial)的作用，增加訓(xùn)練的難度。隨著訓(xùn)練的進(jìn)行，對(duì)抗的作用要不斷增加，達(dá)到課程學(xué)習(xí)的效果。

以上的實(shí)現(xiàn)可以直接利用一個(gè)非常簡(jiǎn)單的操作：利用梯度反向?qū)覩RL (Gradient Reversal Layer )來(lái)去反向可學(xué)習(xí)超參τ的梯度，就可以非常直接達(dá)到對(duì)抗的效果，同時(shí)隨著訓(xùn)練的進(jìn)行，不斷增加反向梯度的權(quán)重λ，進(jìn)而增加學(xué)習(xí)的難度。

CTKD的論文的結(jié)構(gòu)圖如下：

Fig.1 CTKD網(wǎng)絡(luò)結(jié)構(gòu)圖

CTKD方法可以簡(jiǎn)單分為左右兩個(gè)部分：

對(duì)抗溫度超參τ的學(xué)習(xí)部分。

這里只包含兩個(gè)小模塊，一個(gè)是梯度反向?qū)覩RL，用于反向經(jīng)過(guò)溫度超參τ的梯度，另一個(gè)是可學(xué)習(xí)超參溫度τ。

其中對(duì)于溫度超參τ，有兩種實(shí)現(xiàn)方式，第一種是全局方案 (Global Temperature)，只會(huì)產(chǎn)生一個(gè)τ，代碼實(shí)現(xiàn)非常簡(jiǎn)單，就一句話：

self.global_T = nn.Parameter(torch.ones(1), requires_grad=True)

第二種是實(shí)例級(jí)別方案(Instance-wise Temperature)，即對(duì)每個(gè)單獨(dú)的樣本都產(chǎn)生一個(gè)τ。代碼實(shí)現(xiàn)也很簡(jiǎn)單，就是兩層conv組成的MLP。

Fig.2 兩種不同的可學(xué)習(xí)溫度超參實(shí)現(xiàn)。

2. 難度逐漸增加的課程學(xué)習(xí)部分。

隨著訓(xùn)練的進(jìn)行，不斷增加GRL的權(quán)重λ，達(dá)到增加學(xué)習(xí)難度的效果。

在論文的實(shí)現(xiàn)里，我們直接采用Cos的方式，讓反向權(quán)重λ從0增加到1。

以上就是CTKD的全部實(shí)現(xiàn)，非常的簡(jiǎn)單有效。

CTKD總共包含兩個(gè)模塊，GRL和溫度生成模塊，都非常的輕量化，

CTKD方法可以作為即插即用的插件應(yīng)用在現(xiàn)有的SOTA的蒸餾方法中，取得廣泛的提升。

實(shí)驗(yàn)結(jié)果

三個(gè)數(shù)據(jù)集：CIFAR-100，ImageNet和MS-COCO。

CIFAR-100上，CTKD的實(shí)驗(yàn)結(jié)果：

作為一個(gè)即插即用的插件，應(yīng)用在已有的SOTA方法上：

在ImageNet上的實(shí)驗(yàn)：

在MS-COCO的detection實(shí)驗(yàn)上：

溫度超參的整體學(xué)習(xí)過(guò)程可視化：

由以上圖可以看到，CTKD整體的動(dòng)態(tài)學(xué)習(xí)τ的過(guò)程。

將CTKD應(yīng)用在多種現(xiàn)有的蒸餾方案上，可以取得廣泛的提升效果。

審核編輯 ：李倩