通过传统知识蒸馏的解耦分析，DKD（Decoupled Knowledge Distillation）重新审视了暗知识的本质，并通过蒸馏损失函数的改进、获得DKD loss，显著改善了任务相关知识迁移的效果：

Paper地址：https://arxiv.org/abs/2203.08679

GitHub链接：GitHub - megvii-research/mdistiller: The official implementation of [CVPR2022] Decoupled Knowledge Distillation https://arxiv.org/abs/2203.08679

有关知识蒸馏的详细讨论，可参考：

知识蒸馏（Knowledge Distillation）

如上图所示，DKD通过将网络Classification Head预测的概率分布、解耦为目标分布与非目标分布，并分别计算二者的蒸馏Loss（Teacher的预测输出亦作相同解耦），然后进行加权求和获得新的蒸馏Loss。

DKD可改善传统得分蒸馏（Hinton KD）的知识迁移效果，其解耦改进的具体原理如下所述：

• 多类目预测得分的概率分布（The multi-class prediction probability），可拆分为目标分布与非目标分布，如下所示：

• 基于目标分布与非目标分布，传统得分蒸馏的损失函数，可推导为TCKD与NCKD的加权求和（加权系数为Teacher的目标概率）：

• 对于多类目分类任务，传统KD loss中Teacher的目标概率越高，NCKD越被抑制；然而，单独使用TCKD鲜有收益，而在某些场景下单独使用NCKD、可获得比TCKD更好的效果（详见论文的Ablation分析）；并且，TCKD主要迁移难例相关的知识，NCKD则能够真正反映暗知识（Dark knowledge）。因此，为充分体现TCKD与NCKD的作用，通过引入二者的平衡系数，可重新构造获得新的损失函数（DKD Loss）：

def dkd_loss(logits_student, logits_teacher, target, alpha, beta, temperature):gt_mask = _get_gt_mask(logits_student, target)other_mask = _get_other_mask(logits_student, target)pred_student = F.softmax(logits_student / temperature, dim=1)pred_teacher = F.softmax(logits_teacher / temperature, dim=1)pred_student = cat_mask(pred_student, gt_mask, other_mask)pred_teacher = cat_mask(pred_teacher, gt_mask, other_mask)log_pred_student = torch.log(pred_student)tckd_loss = (F.kl_div(log_pred_student, pred_teacher, size_average=False)* (temperature**2)/ target.shape[0])pred_teacher_part2 = F.softmax(logits_teacher / temperature - 1000.0 * gt_mask, dim=1)log_pred_student_part2 = F.log_softmax(logits_student / temperature - 1000.0 * gt_mask, dim=1)nckd_loss = (F.kl_div(log_pred_student_part2, pred_teacher_part2, size_average=False)* (temperature**2)/ target.shape[0])return alpha * tckd_loss + beta * nckd_loss