知识蒸馏（a.k.a Teacher-Student Model)旨在利用一个小模型（Student）去学习一个大模型（Teacher）中的知识， 期望小模型尽量保持大模型的性能，来减小模型部署阶段的参数量，加速模型推理速度，降低计算资源使用。

• 1.参考Distilling the Knowledge in a Neural Network (Hinton et al., 2015), 在cifar10数据上的复现，提供一个对Knowledge Distillation的基本认识，具体内容请查阅：Knowledge_Distillation_From_Scratch.ipynb

• 2.利用BERT-12 作为Teacher，BERT-3作为student，同时学习ground truth 和 soften labels，性能与Teacher 相当甚至更优，具体内容请查阅：knowledge_distillation_bert

  主要参考论文：

  • Distilling Task-Specific Knowledge from BERT into Simple Neural Networks
  • TinyBERT: Distilling BERT for Natural Language Understanding
  • DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter

• 3.利用模块替换的思路，来进行Knowledge Distillation，具体内容请查阅：knowledge_distillation_bert_of_theseus

  论文：

  • BERT-of-Theseus: Compressing BERT by Progressive Module Replacing

  Blog:

  • BERT-of-Theseus：基于模块替换的模型压缩方法
  • 模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

  repo:

  • https://github.com/JetRunner/BERT-of-Theseus
  • https://github.com/bojone/bert-of-theseus

• 4.利用不同样本预测的难易程度不同，来动态选择模型的branch classifier，不过由于tensorflow1.X 是静态图，所以当前实现的 demo实际上并不会真的提前结束计算，具体内容请查阅：knowledge_distillation_fastbert

  论文：

  • FastBERT: a Self-distilling BERT with Adaptive Inference Time