【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《深度学习中知识蒸馏研究综述》,欢迎阅读!

深度学习中知识蒸馏研究综述
邵仁荣;刘宇昂;张伟;王骏
【期刊名称】《计算机学报》 【年(卷),期】2022(45)8
【摘 要】在人工智能迅速发展的今天,深度神经网络广泛应用于各个研究领域并取得了巨大的成功,但也同样面临着诸多挑战.首先,为了解决复杂的问题和提高模型的训练效果,模型的网络结构逐渐被设计得深而复杂,难以适应移动计算发展对低资源、低功耗的需求.知识蒸馏最初作为一种从大型教师模型向浅层学生模型迁移知识、提升性能的学习范式被用于模型压缩.然而随着知识蒸馏的发展,其教师-学生的架构作为一种特殊的迁移学习方式,演化出了丰富多样的变体和架构,并被逐渐扩展到各种深度学习任务和场景中,包括计算机视觉、自然语言处理、推荐系统等等.另外,通过神经网络模型之间迁移知识的学习方式,可以联结跨模态或跨域的学习任务,避免知识遗忘;还能实现模型和数据的分离,达到保护隐私数据的目的.知识蒸馏在人工智能各个领域发挥着越来越重要的作用,是解决很多实际问题的一种通用手段.本文将近些年来知识蒸馏的主要研究成果进行梳理并加以总结,分析该领域所面临的挑战,详细阐述知识蒸馏的学习框架,从多种分类角度对知识蒸馏的相关工作进行对比和分析,介绍了主要的应用场景,在最后对未来的发展趋势提出了见解. 【总页数】36页(P1638-1673) 【作 者】邵仁荣;刘宇昂;张伟;王骏
【作者单位】华东师范大学计算机科学与技术学院 【正文语种】中 文
【中图分类】TP391 【相关文献】
1.深度学习中的知识表示与应用综述2.卷积神经网络压缩中的知识蒸馏技术综述3.深度学习驱动的知识追踪研究进展综述4.深度学习与知识推理相结合的研究综述5.知识蒸馏研究综述
因版权原因,仅展示原文概要,查看原文内容请购买
本文来源:https://www.dy1993.cn/4Yb4.html