Machine learning

Απόσταξη Γνώσης

Η Απόσταξη Γνώσης είναι μια τεχνική συμπίεσης μοντέλων, που εισήχθη από τον Geoffrey Hinton και συνεργάτες το 2015, η οποία εκπαιδεύει ένα μικρό μοντέλο-μαθητή χρησιμοποιώντας τις εξόδους μαλακών ετικετών ενός μεγάλου μοντέλου-δασκάλου. Μοντέλα που έχουν αποσταχθεί, όπως το DistilBERT και το TinyBERT, επιτυγχάνουν περίπου το 97% της απόδοσης του μεγαλύτερου μοντέλου, ενώ εκτελούνται πολύ ταχύτερα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Πηγές

  1. Hinton, G., Vinyals, O. & Dean, J. (2015). Distilling the Knowledge in a Neural Network. NeurIPS Deep Learning Workshop. link
  2. Sanh, V., Debut, L., Chaumond, J. & Wolf, T. (2019). DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter. arXiv:1910.01108. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Knowledge Distillation (Teacher–Student Model Compression). ScholarGate. https://scholargate.app/el/deep-learning/knowledge-distillation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateKnowledge Distillation (Knowledge Distillation (Teacher–Student Model Compression)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/knowledge-distillation · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026