ScholarGate
Trợ lý
Machine learning

Chưng cất tri thức

Chưng cất tri thức (Knowledge Distillation) là một kỹ thuật nén mô hình, được Geoffrey Hinton và các đồng nghiệp giới thiệu vào năm 2015, huấn luyện một mô hình học sinh nhỏ bằng cách sử dụng các đầu ra nhãn mềm của một mô hình giáo viên lớn. Các mô hình được chưng cất như DistilBERT và TinyBERT đạt khoảng 97% hiệu suất của mô hình lớn hơn trong khi chạy nhanh hơn nhiều.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

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

+3 more

Nguồn tài liệu

  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

Cách trích dẫn trang này

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

Được tham chiếu bởi

ScholarGateKnowledge Distillation (Knowledge Distillation (Teacher–Student Model Compression)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/deep-learning/knowledge-distillation · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026