Machine learning

A tudásdesztilláció

A tudásdesztilláció egy modellkompressziós technika, amelyet Geoffrey Hinton és kollégái vezettek be 2015-ben. Ez egy kis tanítvány modellt képez egy nagy tanár modell lágy címkével ellátott kimeneteinek felhasználásával. Az olyan desztillált modellek, mint a DistilBERT és a TinyBERT, a nagyobb modell teljesítményének nagyjából 97%-át érik el, miközben lényegesen gyorsabban futnak.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

+3 more

Források

  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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Knowledge Distillation (Teacher–Student Model Compression). ScholarGate. https://scholargate.app/hu/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

Hivatkozik rá

ScholarGateKnowledge Distillation (Knowledge Distillation (Teacher–Student Model Compression)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/knowledge-distillation · Adatkészlet: https://doi.org/10.5281/zenodo.20539026