Penyulingan Pengetahuan
Penyulingan Pengetahuan (Knowledge Distillation) ialah teknik pemampatan model, yang diperkenalkan oleh Geoffrey Hinton dan rakan-rakan pada tahun 2015, yang melatih model pelajar yang kecil menggunakan output label-lembut daripada model guru yang besar. Model tersuling seperti DistilBERT dan TinyBERT mencapai kira-kira 97% prestasi model yang lebih besar sambil berjalan jauh lebih pantas.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
Cara memetik halaman ini
ScholarGate. (2026, June 1). Knowledge Distillation (Teacher–Student Model Compression). ScholarGate. https://scholargate.app/ms/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.
- Longformer / BigBirdPembelajaran Mendalam↔ compare
- Campuran PakarPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Pembelajaran Kontrastif VisualPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →