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：

相對于靜態溫度超參蒸餾，本文提出了簡單且高效的動態溫度超參蒸餾新方法。

背景問題：

目前已有的蒸餾方法中，都會采用帶有溫度超參的KL Divergence Loss進行計算，從而在教師模型和學生模型之間進行蒸餾，公式如下：

而現有工作普遍的方式都是采用固定的溫度超參，一般會設定成4。

那么這就帶來了兩個問題：

1. 不同的教師學生模型在KD過程中最優超參不一定是4。如果要找到這個最佳超參，需要進行暴力搜索，會帶來大量的計算，整個過程非常低效。

2. 一直保持靜態固定的溫度超參對學生模型來說不是最優的。基于課程學習的思想，人類在學習過程中都是由簡單到困難的學習知識。那么在蒸餾的過程中，我們也會希望模型一開始蒸餾是讓學生容易學習的，然后難度再增加。難度是一直動態變化的。

于是一個自然而然的想法就冒了出來：

在蒸餾任務里，能不能讓網絡自己學習一個適合的動態溫度超參進行蒸餾，并且參考課程學習，形成一個蒸餾難度由易到難的情況？

于是我們就提出了CTKD來實現這個想法。

方法：

既然溫度超參τ可以在蒸餾里決定兩個分布之間的KL Divergence，進而影響模型的學習，那我們就可以通過讓網絡自動學習一個合適的τ來達到以上的目的。

于是以上具體問題就直接可以轉化成以下的核心思想：

在蒸餾過程里，學生網絡被訓練去最小化KL loss的情況下，τ作為一個可學習的參數，要被訓練去最大化KL loss，從而發揮對抗(Adversarial)的作用，增加訓練的難度。隨著訓練的進行，對抗的作用要不斷增加，達到課程學習的效果。

以上的實現可以直接利用一個非常簡單的操作：利用梯度反向層GRL (Gradient Reversal Layer )來去反向可學習超參τ的梯度，就可以非常直接達到對抗的效果，同時隨著訓練的進行，不斷增加反向梯度的權重λ，進而增加學習的難度。

CTKD的論文的結構圖如下：

Fig.1 CTKD網絡結構圖

CTKD方法可以簡單分為左右兩個部分：

對抗溫度超參τ的學習部分。

這里只包含兩個小模塊，一個是梯度反向層GRL，用于反向經過溫度超參τ的梯度，另一個是可學習超參溫度τ。

其中對于溫度超參τ，有兩種實現方式，第一種是全局方案 (Global Temperature)，只會產生一個τ，代碼實現非常簡單，就一句話：

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

第二種是實例級別方案(Instance-wise Temperature)，即對每個單獨的樣本都產生一個τ。代碼實現也很簡單，就是兩層conv組成的MLP。

Fig.2 兩種不同的可學習溫度超參實現。

2. 難度逐漸增加的課程學習部分。

隨著訓練的進行，不斷增加GRL的權重λ，達到增加學習難度的效果。

在論文的實現里，我們直接采用Cos的方式，讓反向權重λ從0增加到1。

以上就是CTKD的全部實現，非常的簡單有效。

CTKD總共包含兩個模塊，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用在現有的SOTA的蒸餾方法中，取得廣泛的提升。

實驗結果

三個數據集：CIFAR-100，ImageNet和MS-COCO。

CIFAR-100上，CTKD的實驗結果：

作為一個即插即用的插件，應用在已有的SOTA方法上：

在ImageNet上的實驗：

在MS-COCO的detection實驗上：

溫度超參的整體學習過程可視化：

由以上圖可以看到，CTKD整體的動態學習τ的過程。

將CTKD應用在多種現有的蒸餾方案上，可以取得廣泛的提升效果。

審核編輯 ：李倩