CVPR 2022 | 這個自蒸餾新框架新SOTA，降低了訓練成本，無需修改網絡

OPPO 研究院聯合上海交通大學提出的新的自蒸餾框架DLB，無需額外的網絡架構修改，對標簽噪聲具有魯棒性，并可大幅節約訓練的空間復雜度，在三個基準數據集的實驗中達到了 SOTA 性能。

深度學習促進人工智能（AI）領域不斷發展，實現了許多技術突破。與此同時，如何在有限硬件資源下挖掘模型潛能、提升部署模型的準確率成為了學界和業界的研究熱點。其中，知識蒸餾作為一種模型壓縮和增強的方法， 將泛化能力更強的「大網絡模型」蘊含的知識「蒸餾」到「小網絡模型」上，來提高小模型精度，廣泛地應用于 AI 領域的全監督、半監督、自監督、域遷移等各個方向。

近日， OPPO 研究院聯合上海交通大學將視角聚焦到知識蒸餾的范式本身，提出了新的自蒸餾框架：DLB（Self-Distillation from Last Mini-Batch），模型無需額外的網絡架構修改，對標簽噪聲具有魯棒性，并大幅節約訓練的空間復雜度。此外，在三個基準數據的實驗中，模型達到了 SOTA 性能。相關論文「Self-Distillation from the Last Mini-Batch for Consistency Regularization」已被 CVPR 2022 收錄。

論文鏈接：https://arxiv.org/pdf/2203.16172.pdf

DLB 自蒸餾框架

如何減少蒸餾計算復雜度？

知識蒸餾通常可以劃分為三類，即離線蒸餾、在線蒸餾和自蒸餾。其中，自蒸餾具有訓練輕量、知識遷移效率高的特點，最近受到更多研究者的重視。

圖 1：本文方法與其他自蒸餾方法的比較

但是傳統的自蒸餾，例如 Be Your Own Teacher，在模型訓練過程中需要對模型結構進行修改。除此以外，訓練成本高、計算冗余且效率低下也是自蒸餾需要攻克的難題。

為了解決上述難題，讓模型更好地部署到手機等終端設備中，OPPO 研究院和上海交通大學的研究員們提出了 DLB 自蒸餾框架。利用訓練時前后 Batch 預測結果的一致性，在無需對模型進行網絡結構修改的前提下，就能降低訓練復雜度，增強模型泛化能力。

1. 本文的任務

提出更加輕量的自蒸餾方式，降低訓練的計算復雜度，提高模型準確率和泛化性。

2. 本文創新與貢獻

• 提出 DLB，通過保存與下個 Batch 部分樣本重疊的軟目標（soft targets）進行自蒸餾。節省計算內存，并且簡化訓練流程。

• 讓訓練樣本的每次前向過程都與一次反向傳播過程相關聯，從而提升學習效率。

• 實驗分析了 DLB 訓練方法的動態影響，發現其正則化效果來源于即時生效的平滑標簽帶來的訓練一致性，為自蒸餾的理論研究提供了實驗基礎。

DLB 自蒸餾框架訓練機制

DLB 在訓練階段的每個 iteration 中，目標網絡扮演著「教師」和「學生」的雙重角色。其中，教師的作用是生成下一個 iteration 的軟目標進行正則化；學生的作用是從前一個 iteration 平滑的標簽中蒸餾，并最小化監督學習目標。

數據集定義為，包含 n 個樣本的 Batch 定義為：，以圖像分類為例，圖片先進行數據增強，然后將其輸入神經網絡，優化預測輸出與真值間的交叉熵損失：

上式中 p_i 的表達式如下：

θ為網絡參數，K 表示分類類別數，τ表示溫度。

為了提高泛化能力，傳統的 vanilla 知識蒸餾通過額外優化的 KL 散度損失來遷移預先訓練好的 teacher 網絡的知識，即：

不同于以往采用預先訓練 teacher 模型的方式生成(P_i^τ ) ?，DLB 采用訓練中前一個 Batch 蘊含的信息生成(P_i^τ ) ?，并將其作為正則化的即時平滑標簽。

圖 2：DLB 訓練方式示意圖

如圖 2 所示，數據樣本在第 t 次迭代時的定義為，神經網絡的參數為θ_t。

B_t 和 B_(t-1)是通過使用數據采樣器獲得，在前向過程后計算 L_CE。每個小批次的一半限制為與上一個 iteration 一致，其余一半與下一個 iteration 一致。之后，前半部分小批次利用上一個 iteration 中生成的動態軟目標進行學習。即由 t-1 次迭代的軟標簽（soften labels）生成。因此，引入的正則化損失公式如下：

存儲平滑標簽只需要很少的額外內存成本，所以帶來的額外計算成本很低。整體損失函數由下式表示：

綜上，DLB 算法整體的訓練的偽代碼如下所示：

實驗設置

研究員們采用三個圖像分類基準數據集評估性能，包括 CIFAR-10、CIFAR-100TinyImageNet。實驗結果都達到了最佳性能，如下表所示：

具體而言，在平均錯誤率層面， DLB 在 CIAFR-100 改進幅度為 0.83% 至 2.50%，在 CIFAR-10 上為 0.37% 至 1.01%，在 TinyImageNet 上為 0.81% 至 3.17。值得一提的是，DLB 的表現明顯優于 Tf-KD 和 PS-KD，這證明了 DLB 在模型泛化提升上的優勢。

為了評估 DLB 與基于數據增強正則化方法的兼容性，研究員在 CIFAR-10 和 CIFAR-100 上將 DLB 與 CutMix、CutOut 和 DDGSD 相結合。如下所示，實驗表明通過結合 DLB 和基于增強的正則化，可以實現額外的性能增益。

為了證明魯棒性，研究員在訓練之前向 CIFAR-100、CIFAR-10 隨機注入標簽噪聲，實驗結果如下圖所示，DLB 可以有效地抵抗標簽噪聲并提高整體性能。 

結語

本文提出了一種基于自蒸餾思想的深度學習訓練策略，將自蒸餾思想融入到模型訓練過程中，對傳統知識蒸餾進行改進，無需額外預先訓練 teacher 的過程。通過在三個基準數據集上進行實驗，多維度論證了 DLB 訓練策略的有效性與普適性。

當下，深度學習網絡模型結構復雜度不斷提升，使用有限硬件資源開發和部署 AI 模型成為新的科研問題。在本文中，研究員設計的 DLB 訓練策略，在某種程度上解決了「不增加模型復雜度，提高模型準確率」這一業界難題。

未來，OPPO 將持續研發該算法，并將其賦能到相關業務場景中，不斷提升 OPPO 產品的用戶體驗。