Deep Learning 101, Taiwan’s pioneering and highest deep learning meetup, launched on 2016/11/11 @ 83F, Taipei 101

💼 從頂層 AI 戰略到地端 GPU 部署企業方案：卡在開源模型效能低落？不知道如何為企業私有雲架設高併發的推論伺服器？提供 FDE (Forward Deployed Engineering) 級別的 AI 落地顧問與架構建置以及企業級的 LLM 架構健檢與地端部署服務。

AI是一條孤獨且充滿惶恐及未知的旅程，花俏絢麗的收費課程或活動絕非通往成功的捷徑。
衷心感謝當時來自不同單位的AI同好參與者實名分享的寶貴經驗；如欲移除資訊還請告知。
由 TonTon Huang Ph.D. 發起，特別感謝時任職公司台灣雪豹科技無償贊助場地及茶水點心。
這裡不僅匯集了我們歷年的 Meetup 紀錄，更是 AI 演算法與開源資源匯整中心。

👉 Deep Learning 101 歷年 Meetup 📺 💼 預約企業 AI 架構健檢與 POC 諮詢

Machine Teaching

2019/06/28, Mark Liou, Machine Teaching

機器教學與蒸餾：核心概念與方法

本文件彙整了講者關於機器教學（Machine Teaching）與蒸餾（Distillation）主題分享的關鍵重點，主要涵蓋模型蒸餾（Model Distillation）與資料集蒸餾（Dataset Distillation）兩大核心概念及其相關技術和討論。內容基於提供的四份資料來源。

核心概念：機器教學

機器教學的核心概念是指人類利用機器直接去訓練機器的過程。與傳統的監督式學習（Supervised Learning）從大量標註資料中學習不同，機器教學探討如何利用現有的模型或資料，將知識轉移或濃縮，以教導新的模型，尤其是更小、更有效率的模型，以便部署在資源受限的裝置上。

模型蒸餾 (Model Distillation)

模型蒸餾的核心思想是將一個較大或性能更好的教師模型 (Teacher Net) 的知識轉移到一個通常較小、更有效率的學生模型 (Student Net) 上。

經典做法 (Knowledge Distillation):
- 學生模型學習的目標是教師模型的輸出結果，而不僅僅是原始資料的真實標籤 (Ground Truth Label)，真實標籤通常是 One-Hot 編碼。
- 學習教師模型的輸出能夠捕捉到類別之間的細微關係，這種資訊被稱為暗知識 (Dark Knowledge)。例如，教師模型在識別數字 “9” 時，除了給予 “9” 最高的機率外，可能也會給 “4” 較高的機率，這表示這張 “9” 的圖片在某些方面與 “4” 相似。學生模型透過學習教師模型的完整機率分佈，可以學到這種暗知識，這對於區分相似類別非常有幫助。
Logits 與 Softmax 的學習:
- 直接學習 Softmax 函數前的原始輸出 Logits 可能比學習 Softmax 後的機率分佈效果更好、訓練更快。這是因為 Logits 保留了不同類別預測值之間的數值大小關係，而 Softmax 會將其壓縮到 [1] 區間，可能損失了這些資訊。
- Loss Function 可以使用 MSE 或 KL Divergence。
- 實際操作挑戰: 在實際應用中，有時難以取得教師模型的 Logits，因為通常只能獲得最終的 Softmax 輸出結果。
Temperature 參數的影響:
- 在 Softmax 函數中加入 Temperature 參數 (T) 可以使機率分佈變得更平滑。Temperature 值越大，分佈越平坦，表示模型對預測結果「不那麼確定」。
- 實驗發現，在蒸餾過程中加入 Temperature 參數可以讓學生模型學得更好。講者認為這與 Ny Teacher 的概念相似，都是讓輸出分佈不那麼尖銳。
Label Smoothing 與 Temperature 的交互作用:
- Label Smoothing 是一種常用的正則化技巧，將 One-Hot 編碼的標籤進行平滑處理 (例如將 1 變成 0.8，其他類別平分剩餘的 0.2)。
- 有研究指出，在蒸餾過程中同時使用 Temperature 和 Label Smoothing 可能會導致結果變差。原因可能是 Label Smoothing 使得訓練數據點在特徵空間中更為集中，導致學生模型無法學到教師模型在這些數據點分佈上的細微差別。因此，在蒸餾時應避免同時使用 Label Smoothing。
Relational Knowledge Distillation (關係知識蒸餾):
- 這是一種在 CVPR 2019 提出的方法。
- 除了學習單一數據點的輸出外，學生模型還要學習樣本與樣本之間的關係。這種關係可以通過計算不同數據點在教師模型某一中間層或 Logits 輸出之間的距離或角度來衡量。
- 學習樣本間的關係有助於捕捉空間上的資訊，其動機是希望放入更多除了單一樣本輸出之外的資訊。
Teacher Assistant System (教師助理系統):
- 一篇 DeepMind 於 2019 年 2 月發表的論文提出。
- 用於解決「教師模型太大、學生模型太小，導致學生學不好」的問題。
- 建議在大型教師和小型學生之間引入一個或多個中等規模的「助理老師」模型。
- 實驗顯示，透過多個階段的知識傳遞（例如，10 層教師 -> 8 層助理 -> 2 層學生），可以逐步提升小型學生模型的性能，這比一步到位直接從大型教師蒸餾效果更好。這暗示著知識的傳遞需要逐步進行，就像「老師太厲害，學生學不來」一樣，需要分解步驟。

資料集蒸餾 (Dataset Distillation)

資料集蒸餾的核心思想是將原始的大型數據集濃縮成一個小型、合成的數據集，這個合成數據集包含足夠的資訊，能夠用來訓練一個模型，使其在原始數據集上達到良好的性能。

試圖解決的問題:
- 數據壓縮和傳輸: 將大型數據集壓縮成小尺寸，方便儲存和傳輸，特別是在網絡頻寬受限或數據量龐大的情況下 (例如台積電或基因數據傳輸問題)。
- 數據隱私: 合成數據集通常與原始數據集的樣貌不同，可以保護原始數據的隱私。模型可以在處理過的數據上訓練，而無需直接接觸敏感的原始數據。
不同概念與方法:
- 利用教師模型輔助標註 (Omni-Supervised): 利用已訓練好的模型對未標註資料進行標註 (結合數據增強和模型集成)，並將這些標註結果作為學生模型的訓練資料。這是一種利用教師模型生成標註資料來訓練學生模型的方法。
- Data-Free Distillation (無資料蒸餾): 核心思想是在無法直接接觸原始訓練資料的情況下訓練新模型。構想是傳輸教師模型處理後的「元資料」(Meta Data)，例如記錄教師模型每一層 Activation 的情況。通過向教師模型輸入一些較小的模式（如噪聲或自然 패턴），記錄 Activation 狀態並傳輸，用於訓練學生模型。這解決了資料傳輸困難和隱私保護的問題，但準確率可能不如使用原始資料。這種方法也可能被惡意用於攻擊模型 (Poison Image)。
- Dataset Distillation (迭代優化合成數據): 目標是將大型數據集濃縮成一個極小的合成數據集 (例如 MNIST 6 萬張 -> 幾十張)。
  - 具體流程：迭代優化一個小的合成數據集。初始化合成數據集（例如，隨機噪聲圖片）。使用當前的合成數據集訓練一個模型。用這個訓練好的模型預測原始數據集的結果，並計算損失（例如與原始資料真實標籤的差距）。利用這個損失的梯度資訊，反向傳播回合成數據集，更新合成圖片的像素值，使其更能代表原始數據集的資訊。重複以上步驟。
  - 最終生成的合成數據集圖片可能看起來模糊或奇怪，與原始圖片差異很大。
  - 用這個合成數據集訓練出的模型，在原始數據集上的準確率可以達到一定水平 (例如 MNIST 達到 94%)。
  - 其核心價值在於極大壓縮資料量、解決數據傳輸限制和保護數據隱私。收到合成數據集的一方可以用它來訓練自己的模型架構，且訓練好的模型可以直接用於處理原始格式的新數據，無需對新數據進行特殊編碼。
  - 這種方法生成的合成數據集也可能被惡意使用，例如加入錯誤的標籤來進行攻擊模型 (Poison Image)，破壞他人模型的性能。
- GANs: 有論文使用 GAN 的方式來進行 Dataset Distillation，但概念與之前提到的方法沒有本質區別。

其他相關概念與社群討論

CVPR 2019 的趨勢觀察：GVN (Graph Neural Network) 興起，GAN (生成對抗網路) 熱度下降，Self-Supervised Learning (自監督學習) 和 Meta Learning (元學習) 很常見。
社群聚會旨在促進交流和學習，鼓勵成員定期分享看到的論文、公司經驗或研究問題。社群內有經驗豐富的成員可以提供幫助。