1
条回答
写回答
写回答
-
有2个方案。
（1）参数隔离：teacher model 训练一次，并把logit传给student。teacher 的参数更新至受到label的影响，student 参数更新受到teacher loigt的soft label loss 和label 的 hard label loss 的影响。
（2）参数不隔离: 与方案（1）类似，主要区别在于前一次迭代的student 的 soft label 的梯度会用于teacher参数的更新。
2021-12-03 22:01:24赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
