知识蒸馏(Knowledge Distillation)是把大模型知识迁移到小模型的技术路径,构成上包括教师模型与学生模型,以及模仿教师输出的训练方式,目标是让小模型保留大模型大部分性能,解决的是大模型推理成本高、响应慢的问题,并不解决教师模型自身的知识偏差会被传递的问题。
目的是开发一种更紧凑的模型,该模型既能保持较大模型的大部分性能,又能提高计算能力、内存使用率和推理速度方面的效率。
知识蒸馏(Knowledge Distillation)是把大模型知识迁移到小模型的技术路径,构成上包括教师模型与学生模型,以及模仿教师输出的训练方式,目标是让小模型保留大模型大部分性能,解决的是大模型推理成本高、响应慢的问题,并不解决教师模型自身的知识偏差会被传递的问题。
目的是开发一种更紧凑的模型,该模型既能保持较大模型的大部分性能,又能提高计算能力、内存使用率和推理速度方面的效率。